Universidade Federal do Rio de Janeiro. Simulações de Eventos de Chuvas Intensas no Estado do Rio de Janeiro usando o Modelo WRF

Transcrição

1 Universidade Federal do Rio de Janeiro Simulações de Eventos de Chuvas Intensas no Estado do Rio de Janeiro usando o Modelo WRF Sheila Felizardo Padilha Dissertação de Mestrado do Curso de pós-graduação em Meteorologia, IGEO, da Universidade Federal do Rio de Janeiro. Orientador: Isimar de Azevedo Santos Rio de Janeiro

2 Simulações de Eventos de Chuvas Intensas no Estado do Rio de Janeiro usando o Modelo WRF Sheila Felizardo Padilha Dissertação de Mestrado apresentada ao Programa de Pós-graduação em Meteorologia do Instituto de Geociências do Centro de Ciências Matemáticas e da Natureza da Universidade Federal do Rio de Janeiro (PPGM-IGEO-CCMN-UFRJ), como parte dos requisitos necessários à obtenção do título de Mestre em Ciências (área: Meteorologia). Orientador: Isimar de Azevedo Santos Rio de Janeiro Agosto de 2011 ii

3 Simulações de Eventos de Chuvas Intensas no Estado do Rio de Janeiro usando o Modelo WRF Sheila Felizardo Padilha DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA DO INSTITUTO DE GEOCIÊNCIAS DO CENTRO DE CIÊNCIAS MATEMÁTICAS E DA NATUREZA DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO (PPGM-IGEO-CCMN- UFRJ) COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM METEOROLOGIA. Examinada por: Prof. Isimar de Azevedo Santos, D. Sc. Prof. Wallace Figueiredo Menezes, D. Sc. Prof a. Carla Maciel Salgado, D. Sc. RIO DE JANEIRO, RJ - BRASIL AGOSTO DE 2011 iii

4 Padilha, Sheila Felizardo Simulações de Eventos de Chuvas Intensas no Estado do Rio de Janeiro usando o Modelo WRF / Sheila Felizardo Padilha Rio de Janeiro: UFRJ/PPGM/IGEO/CCMN, xiv, 71 p.: il.; 29,7 cm. Orientador: Isimar de Azevedo Santos. Dissertação (Mestrado) UFRJ/PPGM/IGEO/CCMN Programa de Pós-graduação Meteorologia, Referências Bibliográficas: p Chuvas Intensas no Rio de Janeiro. 2. Previsão Numérica do Tempo. 3. Modelo de mesoescala WRF. I. Santos, Isimar de Azevedo. II. Universidade Federal do Rio de Janeiro, PPGM/IGEO/CCMN, Programa de Pósgraduação em Meteorologia. III. Dissertação para obtenção do grau de Mestre em Ciências. iv

5 Resumo da Dissertação apresentada ao PPGM/IGEO/CCMN/UFRJ como parte dos requisitos necessários para a obtenção do grau de Mestre em Ciências (M.Sc.) Simulações de Eventos de Chuvas Intensas no Estado do Rio de Janeiro usando o Modelo WRF Sheila Felizardo Padilha Agosto/2011 Orientador: Isimar de Azevedo Santos Programa de Pós-graduação em Meteorologia Neste estudo foram simulados três eventos de chuvas intensas ocorridas no Estado do Rio de Janeiro: o primeiro ocorrido em Angra dos Reis no fim de 2009, o segundo com enchentes e deslizamentos de terra em abril de 2010 nas cidades do Rio de Janeiro, Niterói e São Gonçalo, e o terceiro evento as chuvas intensas na região Serrana do estado do Rio de Janeiro, atingindo drasticamente as cidades de Petrópolis, Teresópolis e Nova Friburgo. O modelo de mesoescala WRF foi integrado em grades aninhadas de 54, 18, 6 e 2 km, sendo assimiladas as análises e previsões do NCEP. Os resultados, embora não totalmente satisfatórios, demonstraram que a técnica de modelagem numérica de eventos de chuvas intensas é promissora. Palavras chave: Chuvas intensas; Modelagem numérica; Modelo WRF. v

6 Abstract of Dissertation presented to PPGM/IGEO/CCMN/UFRJ as a partial fulfillment of the requirements for the degree of Master of Science (M.Sc.) Simulations of heavy rainfall events in the State of Rio de Janeiro using the WRF Model Sheila Felizardo Padilha August/2011 Advisor: Isimar de Azevedo Santos Department: Meteorology In this study was simulated three events of heavy rain that occurred in the State of Rio de Janeiro: the first took place in Angra dos Reis at the end of 2009, the second with floods and landslides in April 2010 in the cities of Rio de Janeiro, Niterói and Sao Goncalo, and the third event of heavy rains in the mountainous region of the state of Rio de Janeiro, drastically affecting the cities of Petrópolis, Teresópolis and Nova Friburgo. The WRF mesoscale model has been integrated on nested grids of 54, 18, 6 and 2 km, and assimilated the analysis and forecasts of the NCEP. The results, although not entirely satisfactory, demonstrated that the technique of numerical modeling of heavy rainfall events is promising. Key words: Heavy rainfall; Numerical modeling; WRF model. vi

7 Sumário Agradecimentos Resumo Abstract Lista de Figuras Lista de Quadros 1. Introdução 2. Revisão Bibliográfica 3. Metodologia e Dados 3.1 Metodologia O Modelo WRF Estrutura das Grades do Modelo Domínio e Grades Coordenadas Verticais Equações Governantes Discretização Temporal Discretização Espacial Aninhamento de Grades Inicialização e Condições de Fronteira 3.2 Dados e Análises Dados Convencionais Imagens de Satélite Meteorológico Dados Gerados pelo Modelo WRF 4. Resultados vii

8 4.1 Estudo do Caso Angra dos Reis Descrição do Caso Angra dos Reis Simulação do Caso Angra dos Reis pelo WRF por 72 horas Simulação do Caso Angra dos Reis pelo WRF por 144 horas 4.2 Estudo do Caso Morro do Bumba Descricao do Caso Morro do Bumba Simulação do Caso Morro do Bumba com o Modelo WRF 4.3 Estudo do Caso Região Serrana Descrição do Caso Região Serrana Simulação do Caso Região Serrana com o Modelo WRF por 72 horas Caso Região Serrana com o Modelo WRF por 96 horas Caso Região Serrana com o Modelo WRF por 120 horas Caso Região Serrana com o Modelo WRF por 144 horas Previsão com a Microfísica do Esquema de Parametrização de Goddard 5. Conclusões e Recomendações 6. Referências bibliográficas Apêndice: Parametrizações Físicas do Modelo WRF viii

9 Agradecimentos DEUS, meu amado amigo de todas as horas, agradeço por tudo que o Senhor concedeu-me até hoje. Queridos mãe (in memorium) e pai agradeço por permitirem a minha chegada a este mundo, por me educarem com muito amor, carinho e bons exemplos. Agradeço aos amados sobrinhos, ao meu irmão e a minha cunhada e em especial ao meu afilhado Cezar que foi fundamental neste último ano, me ajudando sempre que precisei. Agradeço ao Professor Isimar de Azevedo Santos, por todas as suas sábias orientações e sugestões que me auxiliaram a encontrar as soluções para as dificuldades que surgiram naturalmente no desenvolvimento deste trabalho e todo o seu otimismo contagiante que me ajudou chegar até aqui. Agradeço a Drª Tânia Ocimoto Oda, da Marinha do Brasil que em momento crucial auxiliou-me a resolver os obstáculos que surgiram na rodada do modelo. Agradeço ao meteorologista Reginaldo da Aquamet que sem o seu apoio na instalação do modelo, não teria conseguido realizar este trabalho no tempo devido. Agradeço ao Sr. Honorio dos Santos Filho, Vice-Coordenador do SIMERJ, que proporcionou condições para que eu pudesse participar das aulas ministradas durante a primeira fase do mestrado Agradeço ao Sr. José Sozinho (in Memórium), além de ter sido um grande amigo, foi um incentivador para que eu buscasse realizar meu sonho de fazer o Mestrado em Meteorologia. Aos funcionários do Departamento de Meteorologia e das bibliotecas que sempre me atenderam e auxiliaram com muita competência e carinho. ix

10 Lista de Figuras Figuras Páginas 1.1 Estado do Rio de Janeiro Rio de Janeiro. Baía de Ilha Grande. Ilha Grande Enseada do Bananal. Região do deslizamento ocorrido em 6 Ilha Grande, no dia 31 de dezembro de Praia da Enseada do Bananal, onde ocorreu um dos 7 deslizamentos no dia 31 de dezembro de 2009, no Caso Angra dos Reis 1.5 Morro do Bumba, aterro sanitário onde ocorreu o 8 deslizamento em Niterói 1.6 Deslizamento ocorrido no Morro do Bumba (aterro sanitário) 9 em Niterói, no dia 6 de abril de Mapa Região Serrana Região Serrana antes da catástrofe e depois da catástrofe Mapa da destruição geral das cicatrizes do desastre de 12 janeiro de a Imagens infravermelhas do GOES-12 (a) 11 de janeiro de às 06:00 UTC mostra a ZCOU 1.10.b Imagens infravermelhas do GOES-12 (b) 14 de janeiro de 2011 às 06:00 UTC mostra a ZCAS Enxurrada ocorrida em Teresópolis no período iniciado no 14 dia 12 de janeiro de Envoltória de deslizamentos (TATIZANA et al.,1987a, b) Envoltória de deslizamentos : acumulado de chuvas em uma hora x acumulado em 96 horas incluindo o evento (D ORSI et al., 1997) Envoltória de deslizamentos: acumulado de chuvas em 24 horas x acumulado em 96 horas incluindo o evento (D ORSI et al., 1997) 26 x

11 3.1.a Grades aninhadas - Grade mãe (1) de 18 km e Grade 2 de 6 km b Grades aninhadas - Grade 1 de 18 km e Grade 3 de 2km c Grades aninhadas - Grade 2 de 6 km e Grade 3 de 2 km a Imagem do canal infravermelho do GOES de 36 dezembro de 2009 às 21:00 UTC b Imagem do canal infravermelho do GOES de 36 janeiro de 2010 às 03:00 UTC a Carta de pressão ao nível do mar em 31 de dezembro de às 1200Z b Carta de pressão ao nível do mar em 01 de janeiro de à 00Z Rede Pluviométrica CBMERJ- Angra dos Reis/Dez09 com o 39 número de dias de chuvas Rede Pluviométrica CBMERJ Angra dos Reis/Jan10 com 39 o número de dias de chuvas : Precipitação acumulada (simulada) em 72 h (3 dias) do 40 caso de chuvas intensas em Angra dos Reis Precipitação acumulada implícita. Caso chuvas intensas de 41 Angra dos Reis Precipitação Acumulada de 144 h (6 dias) do caso de 42 chuvas intensas em Angra dos Reis Precipitação convectiva (implícita) acumulada de 144h (6 43 dias) do caso de chuvas intensas em Angra dos Reis Precipitação microfísica acumulada de 144h (6 dias) do 44 caso de chuvas intensas em Angra dos Reis Chuva Acumlada Mensal x Chuva (Normal Climatológica ) Chuva acumulada 24h, mês abril de Índice Pluviométricodas estações da Fundação GEORIO e 46 da estação Climatológica do Laboratório de Geociências da xi

12 FFP/UERJ, situada em São Gonçalo. Período05 de abril de Índice Pluviométrico das estações da Fundação Geo-Rio e da estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo. Período 06 de abril de Imagens infravermelhas do GOES de abril de 2010 às 19:00 UTC a Carta de pressão ao nível do mar em 5 de abril de 2010 às 1200Z b Carta de pressão ao nível do mar em 6 de abril de 2010 às 00Z Anomalia dos campos do vento e da umidade específica (g/kg) no intervalo entre à 0 UTC do dia 4 e 0 UTC do dia 5 de abril de Anomalia dos campos do vento e da umidade específica (g/kg) no intervalo entre à 0 UTC do dia 5 e 0 UTC do dia 6 de abril de Anomalia dos campos do vento e da umidade específica (g/kg) no intervalo entre à 0 UTC do dia 6 e 0 UTC do dia 7 de abril de Precipitação acumulada (simulada) em 72 h (3 dias) do caso de chuvas intensas no Morro do Bumba Perfil vertical da razão de mistura da água de chuva (g/kg) às 20UTC Caso Morro do Bumba Razão de mistura da água de chuva (g/kg) -Caso Morro do Bumba Umidade específica (g/kg) no dia 5/4/2010 às 23UTC. Caso 55 Morro do Bumba Vento a 1.000hPa Caso Morro do Bumba em 04 de abril 56 de 2010 às 23 UTC Vento a 1.000hPa Caso Morro do Bumba em 05 de abril 56 xii

13 de 2010 às23 UTC Temperatura a 2m. Caso Chuvas intensas do Morro do Bumba em 04/04/ Temperatura a 2m. Caso das chuvas intensas no Morro do Bumba em 05/04/ Temperatura a 2m. Caso Chuvas intensas Morro do Bumba em 06/04/ Imagens infravermelhas do GOES de janeiro de 2011 às 03:00 UTC Imagens infravermelhas do GOES de janeiro de 2011 às 3:00 UTC a Carta de pressão ao nível do mar - 11 de janeiro de Z b Carta de pressão ao nível do mar - 12 de janeiro de 2011 à 00Z Localização das estações do INEA Chuva observada na estação Nova Friburgo do INEA em 11 de janeiro de Chuva observada na estação Nova Friburgo do INEA em 12 de janeiro de Simulação de 3 dias de Precipitação. Caso Região Serrana Precipitação acumulada (simulada) em 72 horas (3 dias) do 67 caso Região Serrana (Nova Friburgo) Precipitação acumulada (simulada) em 72 h (3 dias) do 68 caso Região Serrana (Petrópolis) Precipitação convectiva acumulada num período de horas, num horizonte de 72 horas Precipitação de microfísica acumulada num período de horas, num horizonte de 72 horas Precipitação convectiva acumulada por um período de horas, num horizonte de 96 horas Precipitação acumulada da microfísica, por um período de 71 xiii

14 72 horas, num horizonte de 96 horas Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 120 horas Precipitação acumulada da microfísica, em 72 horas, num horizonte de 120 horas Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 144 horas Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 120 horas Precipitação acumulada por microfísica por um período de 72 horas, num horizonte de 120 horas Precipitação acumulada num período de 72 horas, num horizonte de 72 horas, usando o esquema de microfísica de Goddard xiv

15 Lista de Quadros Quadro Página 2.1 Classificação Racional de Olanski Classificação dos Deslizamentos segundo TATIZANA et al. (1987a, b) Descrição e dimensões das grades usadas no caso Angra dos Reis 3.2 Descrição e dimensões das grades usadas nos casos Morro do Bumba e Região Serrana xv

16 1. Introdução Nestes últimos anos as chuvas intensas têm castigado o Estado do Rio de Janeiro e este tipo de evento meteorológico tem preocupado muito a população do estado, a Defesa Civil, os Centros de Previsão do Tempo Regional e Nacional, os meteorologistas, profissionais envolvidos com pesquisas nesta área e também os Governos Federal e Estadual. O Estado do Rio de Janeiro é uma das 27 unidades federativas do Brasil. Situa-se na parte leste da região Sudeste do Brasil, tendo como limites os estados de Minas Gerais ao norte e noroeste, Espírito Santo a nordeste e São Paulo ao sudoeste. Tendo também o Oceano Atlântico a leste e sul. Ocupa uma área de ,054 km 2 e sua capital é homônima, Rio de Janeiro. O Estado do Rio de Janeiro é uma importante unidade da federação, possui uma população estimada de , e um total de 92 municípios (IBGE, 2011), tendo entre os mais populosos municípios do Rio de Janeiro, São Gonçalo, Niterói, Nova Friburgo, Petrópolis entre outros. O relevo do Estado do Rio de Janeiro é muito variado, apresentando, por exemplo, escarpas elevadas, morros, colinas e vales, rochas diversificadas e possui duas unidades de relevo, a baixada fluminense, que ocupa quase metade do território, e o planalto fluminense (oeste do território). O Estado do Rio de Janeiro possui muitas cidades com vocação turística, como por exemplo, Angra dos Reis, Paraty, Petrópolis, Teresópolis entre outras. No Estado do Rio de Janeiro predominam os climas tropical (baixadas) e tropical de altitude (planalto), mas cada região possui sua característica climática. Na Região Metropolitana do Rio de Janeiro, domina o clima tropical semiúmido, com chuvas abundantes no verão, que é muito quente e invernos secos, com temperaturas amenas, e a sua temperatura média anual, é de 22 C a 24 C com índice pluviométrico entre a milímetros anuais. Nesta região encontra-se a cidade do Rio de Janeiro que é considerada a segunda maior mancha urbana do Brasil, um dos maiores centros econômicos e culturais da América Latina. 1

17 2

18 A cidade do Rio de Janeiro desenvolveu-se ao redor do Maciço da Tijuca, que a divide em Zona Norte e Zona Sul. O relevo acidentado e diversificado da cidade, como os dois maciços, Gericinó-Mendanha ao norte e da Pedra Branca a oeste, contribui para a grande variabilidade espacial da precipitação (Dereczynski et al., 2009). Em sua área territorial de 1.224,56 km 2, 70,7% é urbanizada (IPP, 2005). Nos pontos mais elevados da região serrana, limite entre a Baixada Fluminense e a Serra Fluminense, observa-se o clima tropical de altitude, com verões um pouco quentes e chuvosos e invernos frios e secos e temperatura média anual de 16 C. Na maior parte da Serra Fluminense, o clima também é tropical de altitude, com verões variando entre quentes e amenos e na maioria das vezes, chuvosos, e invernos frios e secos, com índice pluviométrico elevado, se aproximando dos mm anuais em alguns pontos. Nas Baixadas Litorâneas, a famosa Região dos Lagos, o clima é tropical marítimo, com média anual de 24 C com verões moderadamente quentes, mas amenizados devido ao vento do mar e invernos amenos. Além disto, também é devido ao vento frio vindo do mar, com águas frias devido à ressurgência, que esta região é uma das mais secas do Sudeste, com precipitação anual de apenas cerca de 750mm em cidades como Arraial do Cabo, Cabo Frio e Armação dos Búzios, e não passando de cerca de mm nas cidades mais chuvosas da região, Maricá e Saquarema. Ocasionalmente, podem ocorrer precipitações de neve nas partes altas do Parque Nacional do Itatiaia, onde está situado o Pico das Agulhas Negras. Em 1985, foi registrada precipitação de neve nas proximidades deste pico, com acumulações de 1 metro em certos pontos. Quanto à vegetação no Estado do Rio de Janeiro, atualmente, as florestas ocupam aproximadamente dez por cento do território e uma das causas desta pequena porcentagem é devido à ocupação agropastoril, pois o desmatamento modificou sensivelmente a vegetação original do estado. As florestas concentram-se principalmente nas serras e no ponto mais alto destas. Há grandes extensões de campos usados para a pecuária, mas que foram produzidos devido à destruição da vegetação original. No litoral e no fundo das baías, registra-se a presença de manguezais. 3

19 O principal rio do estado é o Paraíba do Sul, que nasce em Taubaté, estado de São Paulo, e desemboca no Oceano Atlântico no norte fluminense. O litoral é pontilhado por numerosas lagoas, antigas baías fechadas por cordões de areia. As mais importantes são a Lagoa Feia, a maior do estado, e as lagoas de Saquarema, Maricá, Marapendi, Jacarepaguá e Rodrigo de Freitas, as três últimas no município do Rio de Janeiro. O Estado conta ainda com a maior laguna hipersalina do mundo, a Laguna Araruama, que é chamada de lagoa pelos leigos por um erro, pois além de ser salobra tem ligação com o mar através do Canal do Itajuru. Embora ainda haja muitas informações sobre o Estado do Rio de Janeiro que são de importância relevante, como por exemplo, a educação, a etnia, a política, a economia etc., neste estudo elas não serão abordadas. A principal motivação deste estudo é de auxiliar a todos aqueles que foram afetados direta ou indiretamente pelas chuvas intensas que ocorreram no estado do Rio de Janeiro nos últimos anos, e isto inclui população, ora vítima e ora algoz, o Estado, ora omisso e ora negligente, e aos profissionais que desejam verdadeiramente melhorar a qualidade de vida de toda uma população. Este trabalho também procura contribuir para que a previsão numérica do tempo fornecida pelos órgãos responsáveis pela meteorologia fluminense, como o SIMERJ, seja cada vez mais próxima da realidade dos eventos meteorológicos observados, sejam eles severos ou não. Com o aumento da capacidade de processamento nos computadores de menor porte e a necessidade de prognósticos de tempo mais rápidos para domínios mais localizados, os modelos atmosféricos regionais, também chamados de modelos de mesoescala ou de área limitada, têm se constituído numa ferramenta indispensável aos centros de previsão de tempo e grupos de pesquisa atmosférica. Os modelos atmosféricos regionais podem fazer o downscaling de previsões obtidas por modelos globais e, assim, reproduzir com maior detalhamento espacial os campos atmosféricos nas áreas de interesse. Por exemplo, o Laboratório de Prognósticos em Mesoescala da Universidade Federal do Rio de Janeiro (LPM/UFRJ) faz previsões utilizando 4

20 dois modelos regionais (MM5 e WRF) com espaçamento de grade de 20 km para o Estado do Rio de Janeiro ( Apesar dos contínuos avanços na área de modelagem atmosférica, a comunidade meteorológica em geral concorda sobre as dificuldades envolvidas na previsão quantitativa de precipitação tanto por modelos globais quanto por modelos atmosféricos regionais. Os fenômenos atmosféricos afetam de uma forma direta, diversos aspectos da vida humana no mundo todo. As tempestades e precipitações, quando muito intensas, causam impactos econômicos de grande relevância, podendo causar prejuízos irreparáveis quando têm como consequência vítimas fatais. Quando ocorrem tempestades e chuvas intensas durante um grande período, existe o risco de deslizamentos, pois o solo já se encontra encharcado, o que reduz sua aderência e estabilidade. No início do verão de 2009/2010, ocorreu um evento de chuva intensa na Região da Costa Verde, na Enseada do Bananal, na Ilha Grande situada na Baía da Ilha Grande. A figura 1.2 mostra a posição desta localidade e, pela figura 1.3, pode-se notar uma grande cicatriz, consequência de um terrível deslizamento ocorrido na noite do dia 31 de dezembro de A figura 1.4 mostra como ficou a praia da Enseada do Bananal na passagem do ano de 2009 para 2010, a localização da Pousada Sankay onde ocorreu o deslizamento que teve grande repercussão na mídia devido a uma vítima fatal. Embora a mídia tenha enfatizado este acontecimento de forma localizada, toda a região de Angra dos Reis e arredores foram afetados, com bairros inteiramente alagados e a população mais carente perdendo seus pertences. As questões que permanecem são: o que poderia ter sido feito para minimizar tais efeitos? Porque os modelos numéricos de previsão do tempo não previram com a antecedência necessária? Ocorreu alguma falha no sistema de alerta que teria deixado a população vulnerável? Estas foram as questões que surgiram como motivação da escolha do estudo deste caso, aqui denominado caso Angra dos Reis, e que teve como objetivo maior a tentativa de verificar se o Modelo Numérico WRF, escolhido pelo SIMERJ para suas previsões operacionais, teria sido satisfatório para a 5

21 previsão de tais eventos e se observar a habilidade do modelo WRF em simular de forma fisicamente adequada estes casos de chuvas intensas. Baía da Ilha Grande Ilha Grande Figura1.2: Rio de Janeiro. Baía de Ilha Grande. Ilha Grande. Fonte: sitio http//maps.google.com.br Cicatriz gerada pelo deslizamento Figura 1.3: Enseada do Bananal. Região do deslizamento ocorrido em Ilha Grande, no dia 31 de dezembro de Fonte: Google-Earth: Earth Gallery 6

22 Figura 1.4: Praia da Enseada do Bananal, onde ocorreu um dos deslizamentos no dia 31 de dezembro de 2009, no Caso Angra dos Reis. Fonte: Google-Earth: Earth Gallery. O Caso Morro do Bumba, como o caso Angra dos Reis, teve como motivação as mesmas questões, isto é, de que modo a modelagem numérica pode ser uma ferramenta mais útil na prevenção de desastres decorrentes de intempéries intensas. Este segundo episódio estudado refere-se a chuvas intensas que se abateram principalmente sobre as cidades do Rio de Janeiro, Niterói e São Gonçalo no início de abril de Estas fortes chuvas que caíram sobre a cidade do Rio de Janeiro foram provocando alagamentos em diversos pontos da cidade desde a noite do dia 05 de abril A imprensa, naquele período, informou que o trânsito esteve totalmente congestionado nas principais vias do Centro da Cidade do Rio de Janeiro, no bairro da Tijuca, a situação foi crítica, e o Rio Maracanã transbordou. As rajadas de vento chegaram a 75 km/h às 17 horas no forte de Copacabana (estação meteorológica do INMET). Foi registrada também na região do Aeroporto Santos Dumont rajadas de 50 km/h às 19 horas. Segundo a GEORIO, o 7

23 volume de chuva acumulado entre 17 horas e 30 minutos e 18 horas e 30 minutos chegou a 40 mm no Sumaré e a 37 mm no bairro do Méier, entre outros. O temporal deixou um saldo de 180 mortes, a maioria soterrada por deslizamentos de terra. Do total de vítimas, mais de 100 pessoas feridas, segundo o Centro de Operações do Corpo de Bombeiros. O município de Niterói foi um dos mais afetados e contabilizou 48 mortos. Este temporal foi, segundo o Prefeito Eduardo Paes, o maior desde Naquele ano o índice pluviométrico atingiu 245 mm, enquanto que nas chuvas de abril de 2010 o nível chegou a 288 mm (Fonte: oglobo.globo.com). Na figura 1.5 observa-se a região de Niterói mais afetada pelas chuvas intensas do mês de abril de 2010 e na figura 1.6 a área onde ocorreu o deslizamento, o aterro sanitário conhecido como Morro do Bumba, no dia 6 de abril de Assim, após todas as informações encontradas na mídia, ficou evidente mais uma vez a necessidade de se realizarem previsões meteorológicas com antecedência suficiente e maior realismo, buscando através da modelagem numérica, no caso o modelo WRF, uma melhor solução.. Figura 1.5: Morro do Bumba, aterro sanitário onde ocorreu o deslizamento em Niterói. 8

24 Fonte: Sítio G1 da TV Globo ( Figura 1.6: Deslizamento ocorrido no Morro do Bumba (aterro sanitário) em Niterói, no dia 6 de abril de Fonte: Sítio G1 da TV Globo ( O Caso Região Serrana dentre os três casos estudados neste trabalho foi o que mais abalou, em todos os sentidos, não só todo o Estado do Rio de Janeiro, mas também a Região Sudeste, o Brasil e o mundo. Segundo texto denominado Síntese Mensal, encontrado no sítio do CPTEC/INPE, a situação mais crítica associada à ZCAS ocorreu no Estado do Rio de Janeiro, principalmente na região serrana, que no dia 12 de janeiro de 2011, sofreu a maior tragédia natural já observada no país. Choveu forte durante várias horas seguidas, acumulando mais de 180 mm em Nova Friburgo (INMET). O grande volume de chuva, a saturação do solo e a vulnerabilidade da região provocaram transbordamento de rios e córregos e deslizamentos de encostas, causando a morte de mais de 800 pessoas. As áreas mais atingidas foram as regiões de Nova Friburgo, Teresópolis e Petrópolis. Como pode ser notado na figura 1.7, a área em torno da cidade de Nova Friburgo está com várias 9

25 cicatrizes, que são as marcas deixadas pelas chuvas intensas e catastróficas e pelos deslizamentos ocorridos na primeira quinzena de janeiro de Na figura 1.8 observa-se uma parte da região antes e depois da catástrofe. Cicatrizes em Nova Friburgo e áreas próximas. Figura 1.7: Mapa Região Serrana. Fonte: 10

26 Figura 1.8: Região Serrana antes da catástrofe e depois da catástrofe. Fonte: No relatório do Departamento de Recursos Minerais, DRM-RJ, este episódio também foi considerado como o megadesastre da Região Serrana do Estado do Rio de Janeiro, como pode ser observado na figura 1.9, que mostra o mapa da distribuição geral das cicatrizes como um legado deixado por este episódio. Esta calamitosa situação não foi gerada somente pela geologia, geomorfologia, hidrogeologia, conforme estudo feito, mas também, pela erosão fluvial e pelas chuvas intensas ocorridas anteriormente, chuvas estas de grande intensidade em intervalos de 15 minutos e de uma hora. Na estação de Nova Friburgo do INEA, no dia 11 de janeiro de 2011, a precipitação acumulada superou 40 mm em 6 horas. 11

27 Figura 1.9: Mapa da destruição geral das cicatrizes do desastre de janeiro de Fonte: Sítio DRM RJ Segundo explicação dos meteorologistas Henri Pinheiro, Naiane Araújo e Gustavo Escobar, em relatório disponível no sítio do CPTEC/INPE, no período em questão houve a formação de um episódio de ZCOU, Zona de Convergência de Umidade, e dias depois, este sistema foi se reforçando e adquiriu características da Zona de Convergência do Atlântico Sul (ZCAS), provocando ainda mais instabilidade e maior volume acumulado de chuva (figuras 1.10a e 1.10b). 12

28 (a) ZCOU (b) ZCAS S Figura 1.10: Imagens infravermelhas do GOES-12 (a) 11 de janeiro de 2011 às 06:00 UTC mostra a ZCOU e (b) 14 de janeiro de 2011 às 06:00 UTC mostra a ZCAS. 13

29 Fonte: INPE/CPTEC/DAS NOAA. Na figura 1.11 pode ser observada uma pequena amostra dos imensos transtornos sofridos pela população de Teresópolis após estas chuvas episódicas. Figura 1.11: Enxurrada ocorrida em Teresópolis no período iniciado no dia 12 de janeiro de Fonte: De posse de todas estas importantes informações da comunidade científica, e adicionado a isso, tudo que foi possível acompanhar pela mídia daquela megatragédia e de todo aquele megadesespero passado pela população, não se pode ter outra alternativa a não ser tentar encontrar um caminho para que se realizem previsões meteorológicas com antecedência suficiente e com maior realismo. Neste estudo a opção escolhida foi a modelagem numérica e o modelo utilizado, o WRF. Neste estudo foi empregada a modelagem numérica, utilizando-se o modelo de previsão atmosférica de alta resolução WRF (Weather Research Forecasting), procurando-se observar a habilidade do modelo em simular de 14

30 forma fisicamente adequada três casos de chuvas intensas ocorridos nestes últimos três anos no Estado do Rio de Janeiro. Portanto, para uma área limitada, o modelo WRF precisa das condições de fronteira laterais que representem o estado real da atmosfera nas vizinhanças ao longo do tempo de integração das equações dinâmicas. Estas condições são fornecidas por um modelo de previsão numérica do tempo em escala global, o GFS (Global Forecast System) e, como se deseja analisar mais detalhadamente as regiões de interesse, Ilha Grande, Niterói e região Serrana, as quais estão inseridas na grade mãe utilizada, foi feito um aninhamento de grades com maior resolução espacial. A vantagem em utilizar grades aninhadas é obter resultados em uma área com uma alta resolução espacial, sem que a grade mãe que recebe os dados de entrada tenha que ser integrada em alta resolução. Assim, foram escolhidas para os estudos de casos desta pesquisa, três grades com espaçamento de 18 km, 6 km e 2 km. Para o estudo do caso Angra dos Reis, na parte insular de Ilha Grande, a simulação de precipitação acumulada foi realizada para um período de 72 horas, com horizontes de 72 horas (modelo integrado no período de três dias), e com horizonte de 144 horas (modelo começou a ser rodado três dias antes do período de chuva), e estes testes foram comparados com os dados observados de estações meteorológicas da rede pluviométrica do CBMERJ, com as cartas sinóticas de superfície da Marinha do Brasil e imagem de satélite do INPE/CPTEC. No estudo deste caso foi usada a parametrização de microfísica denominada WSM 3-class simple ice scheme. Para o estudo do Caso Morro do Bumba, no Município de Niterói, foram feitas algumas simulações, como por exemplo, de temperatura, umidade específica e precipitação entre outras. A simulação de precipitação acumulada para o período de 72 horas foi comparada com os dados observados de estações do INMET e da Fundação GEORIO, e com a estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo. Finalmente, para o estudo do Caso da Região Serrana, os dados simulados de precipitação acumulada pelo modelo foram calculados para um período de 72 horas com horizontes de 72, 96, 120 e 144 horas. Estas simulações foram comparadas com dados observados da estação de Nova 15

31 Friburgo do Instituto Estadual do Ambiente (INEA), em forma de gráfico disponíveis no sítio do INEA. Além destas simulações também foram feitas outras, como por exemplo, teste comparativo do uso do esquema de parametrização de microfísica de Goddard com o WSM 3-class simple ice scheme. Os eventos estudados neste trabalho foram denominados de Caso Angra dos Reis, Morro do Bumba e Região Serrana e os dados reais que auxiliaram nas análises foram oriundos de estações meteorológicas, dados de satélite, cartas sinóticas de superfície da Marinha do Brasil. Sendo importante enfatizar que este trabalho objetivou observar a habilidade do modelo em simular de forma fisicamente adequada os três casos de chuvas intensas escolhidos. 16

32 2. REVISÃO BIBLIOGRÁFICA A meteorologia é a ciência que estuda a atmosfera terrestre e tem como foco o estudo dos processos atmosféricos e a previsão do tempo. Os estudos no campo da meteorologia foram iniciados há mais de dois milênios (os povos antigos prediziam o tempo baseados na observação dos astros), mas apenas a partir do século XVII a meteorologia avançou significativamente. No século XVIII, ela progrediu ainda mais com o desenvolvimento de redes de intercâmbio de dados em vários países. Com a maior eficiência na observação da atmosfera e uma troca mais rápida de dados meteorológicos, as primeiras previsões numéricas do tempo tornaram-se possíveis no século XX com o advento dos modelos meteorológicos. Entretanto, o caminho que teve que ser percorrido até os dias atuais não foi fácil. A base da previsão numérica do tempo, a Numerical Weather Prediction, foi formalizada pelo meteorologista norueguês Vilhelm Bjerkness. Ele propôs, em 1903, que a previsão do tempo poderia ser baseada nas leis físicas, sendo descrita por sete variáveis primárias: pressão, temperatura, densidade do ar, umidade e três componentes da velocidade do ar. Para ele, a previsão do tempo poderia, essencialmente, ser vista como um problema matemático de valor inicial, ou seja, conhecendo-se as condições iniciais da atmosfera para um único instante de tempo seria possível resolver as equações para um instante de tempo posterior. Bjerkness não acreditava que estas equações pudessem ser resolvidas analiticamente devido a sua complexidade (NEBEKER, 1995). Lewis Fry Richardson, meteorologista britânico, publicou em 1922, o primeiro importante livro chamado Weather Prediction by Numerical Process (Previsão do Tempo por Métodos Numéricos) no qual ele descrevia a integração numérica das equações das variáveis atmosféricas médias de forma a obter uma previsão do tempo em 24horas adiante. Richardson mostrou como os termos de menor magnitude relativa das equações do movimento do ar podiam ser negligenciados em primeira aproximação. Devido ao fato de que o campo inicial utilizado por Richardson não ser exatamente o que chamamos de um campo suficientemente filtrado (ou alisado), isto é, dele ter utilizado um 17

33 campo onde as diferentes variáveis não se apresentam consistentes uma com a outra, do ponto de vista físico, seus resultados pioneiros não foram muito encorajadores. Mas foi Jule Charney que fez a primeira previsão numérica do tempo em um computador ENIAC usando um modelo numérico de uma dimensão. (Jacobson, 1999). A percepção de John Von Neumann de que a Meteorologia seria urna das áreas que mais se beneficiaria com o advento da técnica de computação digital rápida e programável se confirma hoje em dia, quando a sociedade se beneficia de previsões de tempo bastante acuradas para horizontes de 72 horas e em nível mundial (Moura,1995). L. F. Richardson, nos idos de 1922, formulou a seguinte pergunta: dado um determinado estado (instantâneo) da atmosfera como ponto inicial, qual será seu estado final passado um determinado intervalo de tempo? Os modelos de previsão numérica do tempo de alta resolução aproximam-se cada vez mais da resposta desta pergunta. A capacidade de fazer uma previsão hábil requer que o modelo seja uma representação realista da atmosfera, e que as condições iniciais sejam conhecidas com precisão. (Kalnay, 2003). Na modelagem atmosférica, a previsão quantitativa de precipitação é de grande complexidade, pois os processos de precipitação podem ocorrer em várias escalas, desde grandes massas de ar até eventos convectivos extremamente localizados (Ganguly & Bras, 2003). A precipitação é influenciada simultaneamente pelo movimento de grandes massas de ar e por vórtices (eddies) em microescala, propriedades dos aerossóis e processos microfísicos como o crescimento e evaporação de gotas. Esses fatores tornam a precipitação extremamente variável no tempo e no espaço. (Conselvan, 2006). O NCEP (antigo Centro Meteorológico Nacional ou NMC) realizou previsões meteorológicas operacionais em computador desde De 1955 a 1973, as previsões incluíam apenas o Hemisfério Norte, tendo se tornados globais desde Ao longo dos anos, a qualidade dos modelos e métodos de assimilação de observações atmosféricas tem melhorado continuamente, resultando em melhorias evidentes na previsão. (Kalnay, 2003). 18

34 Segundo Kalnay (2003) a melhoria na habilidade de previsão numérica de tempo ao longo dos últimos 40 anos se deve a quatro fatores: 1) o aumento da potência dos supercomputadores, o que permite melhor resolução e aproximações numéricas muito menores nos modelos operacionais atmosféricos; 2) a melhor representação dos processos físicos (nuvens, precipitação, radiação e transferências turbulentas de calor, de umidade e de momento) nos modelos; 3) o uso de métodos mais precisos de assimilação de dados, que resultam em melhoria das condições iniciais para os modelos e 4) o aumento da disponibilidade de dados, especialmente dados de satélite e aviões ao longo dos oceanos e do hemisfério sul. Com o desenvolvimento de computadores mais rápidos e processamento paralelo, os modelos numéricos de previsão do tempo ficaram mais elaborados, podendo realizar simulações atmosféricas em diversas escalas espaciais. Essas escalas são classificadas como global ou sinótica quando visam identificar o comportamento geral da atmosfera em áreas extensas. Quando são capazes de identificar fenômenos meteorológicos mais detalhadamente, sobre regiões mais especificas, são classificadas como regionais ou mesoescala. Um sistema de classificação dos fenômenos atmosféricos bastante utilizados é o sistema racional proposto por Orlanski, apresentado no quadro 2.1. (Olanski, 1975). Quadro 2.1. Classificação Racional de Orlanski. Escala espacial Classificação Observação km 2000 km macro-β km 2000 km macro-β 2000 km 200 km meso-α Inclui os complexos convectivos de mesoescala e os vórtices de ar frio do tipo vírgula. 200 km 2 km meso-β Inclui linhas de instabilidade e circulações térmicas topograficamente induzidas. 2 km 200m meso -ϒ Inclui as nuvens cumulus nimbus individuais km 200 km micro-α 200 m 20 m micro-β 20 m 0 m micro-ϒ 19

35 Na década de 1980, a aplicação dos modelos de mesoescala, principalmente por meio de estudos de casos e testes de sensibilidade, permitiu a obtenção de informações físicas sobre diversos sistemas de mesoescala como tempestades severas (Anthes et al., 1982), ciclones tropicais (Chang, 1982), sistemas convectivos de mesoescala (Zhang & Fritsch, 1982), ciclones extratropicais (Kuo & Reed, 1988), e eventos de precipitação intensa (Lee & Hong, 1989). Podem-se definir os sistemas convectivos de mesoescala como sistemas que se desenvolvem, evoluem e produzem chuvas significativas (Zhang &Fritsch, 1982). Chuvas intensas provenientes de sistemas tanto de escala sinótica como na escala local ou mesoescala, tem o poder de provocar transtornos incalculáveis tanto do ponto de vista material/ econômico como do ponto de vista social, podendo provocar inclusive perda de vidas humanas. Diversos casos de chuvas intensas e sistemas de caráter severo ocorridos na Região Sudeste já foram estudados tanto do ponto de vista observacional como das simulações numéricas (Menezes et al., 1994). Para o Estado do Rio de Janeiro, já foram feitos vários trabalhos como o Silva Paiva (2000), Silva Paiva e Menezes (2000), Xavier (2002), Oliveira (2003), entre outros. Portanto, um melhor conhecimento dos aspectos dinâmicos e termodinâmicos, entre outros, pode auxiliar na melhoria da previsão na tentativa de se evitar, se possível, as consequências decorrentes destes eventos extremos (Menezes et al., 1994). No período da primeira terça parte do mês de janeiro de 2011, segundo os meteorologistas Henri Pinheiro, Naiane Araújo e Gustavo Escobar, foi observado a presença de dois importantes sistemas, a Zona de Convergência do Atlântico Sul (ZCAS) e a Zona de Convergência de Umidade (ZCOU), atuando no Estado do Rio de Janeiro. A Zona de Convergência do Atlântico Sul (ZCAS) é definida como uma persistente banda de nebulosidade e precipitação com orientação nortesudeste, que se estende desde o sul e leste da Amazônia até o sudoeste do Oceano Atlântico Sul (Kodama 1992, 1993; Satyamurti et al., 1998; Liebmann 20

36 et al, 2001; Carvalho et al., 2002 a 2004). A ZCAS é o principal sistema de grande escala responsável pelo regime de chuvas sobre as Regiões Sul e Sudeste do Brasil durante os meses de primavera e verão. Em suas características gerais a ZCAS possui forte indício de confluência entre o ar da Alta Subtropical do Atlântico Sul e o ar oriundo de latitudes mais altas. Ocorre convergência de umidade na baixa troposfera e tem presença de um cavado a leste da Cordilheira dos Andes, orientado na direção noroeste-sudeste em 850 hpa e, além disso, há o transporte de umidade em baixos níveis, manutenção da convecção pela convergência de umidade na baixa e na média troposfera e alto contraste de umidade (Kodama, 1992). Estudando as características da ZCAS, Ferreira et al. (2004) indicam a presença de um cavado semi-permanente a leste da cordilheira dos Andes orientado na direção noroeste-sudeste em 500 hpa e associado a movimentos ascendentes que incentivam a divergência em níveis superiores. Observam também a permanência de uma banda de nebulosidade por no mínimo 4 dias, estendendo-se do sul e leste da Amazônia até o sudoeste do Oceano Atlântico Sul. A Zona de Convergência de Umidade (ZCOU) se assemelha à ZCAS em vários parâmetros, como o fato de ambas serem zonas de convergência de umidade marcadas por nebulosidade e precipitação intensas, porem há diferenças no padrão de escoamento clássico, principalmente em médios e baixos níveis, que desfavorecem a persistência e organização da banda de nebulosidade/precipitação, caracterizando assim uma ZCOU ao invés de ZCAS (Pallotta & Nakazato). Segundo o Grupo de Previsão de Tempo do Centro de Previsão do Tempo e Estudos Climáticos (GPT-CPTEC), em termos puramente ligados ao tempo de persistência, uma ZCOU pode ser caracterizada em situações onde os padrões são similares aos de ZCAS, porem a duração do sistema é de apenas 3 dias. Há ressalva de que caso o padrão persista por um quarto dia, o sistema passa a ser considerado ZCAS. Ainda no âmbito da duração, uma ZCOU pode ser atribuída à uma situação previamente estabelecida de ZCAS em situação de dissipação, onde ainda é possível ser identificada uma banda de nebulosidade organizada. 21

37 Saindo do âmbito temporal, pois há ocorrência de ZCOU com mais do que 3 dias de duração, a analise de escoamento e convergência nos diferentes níveis da atmosfera apresenta características expressivas. Em níveis médios observa-se o deslocamento de cavados entre o norte e nordeste da Argentina, o Paraguai, o Mato Grosso do Sul e a região sul do Brasil. O fato desses cavados se movimentarem consideravelmente quebra o padrão de persistência de nebulosidade e precipitação para a situação de ZCAS, desfavorecendo os escoamentos típicos dos níveis abaixo (Pallotta & Nakazato). Em baixos níveis, por consequência do movimento da troposfera média, verifica-se uma desconfiguração do JBN, que não apresenta orientação preferencial NO-SE, podendo apresentar bifurcação para Sul ou mesmo não se estabelecer adequadamente. Como a convergência de umidade acompanha o escoamento do JBN, no caso de ZCOU ela fica desfavorecida, podendo até se encontrar direcionada para o Sul do Brasil, ou da Argentina, não gerando nebulosidade (Pallotta & Nakazato). Vale ressaltar que para uma situação estabelecida de ZCOU, já que a persistência é quebrada, os campos de convergência em baixos níveis aparecem relativamente defasados quando comparados com os campos de Omega negativo em 500h Pa, que mesmo assim apresentam uma área relativamente bem organizada de ascenção de ar. Neste caso a banda de nebulosidadeassociada não se apresenta bem organizada. (Pallotta & Nakazato). No episódio do megadesastre da Região Serrana, não foram somente os dois sistemas (ZCAS e ZCOU) que contribuíram para aquele mega desfecho, os deslizamentos ocorridos também tiveram sua parcela de contribuição, uma vez que existe uma relação entre a precipitação e os deslizamentos. E esta relação há muito se apresenta como tema de estudos em diversas regiões do mundo. Como exemplo, pode-se citar alguns trabalhos, como o de Brand et al. (1985), que estuda solos e a influência das chuvas para região de Hong Kong; Brugger & Lacerda (1997), que apresenta estudos de monitoramento de encostas e sua movimentação através da precipitação pluviométrica; Govi & Sorzana (1980), que estudam a suscetibilidade de ocorrência de deslizamentos devido a chuvas críticas no noroeste da Itália; 22

38 Guidicinie Iwasa (1976) que, desenvolvendo estudos em nove regiões do Brasil, apresentam resultados para a previsibilidade de ocorrência de deslizamentos com a implantação das cartas de periculosidade. Para o desenvolvimento de metodologias correlacionando deslizamentos com precipitação em uma determinada região, estudos mostram que se faz necessário o conhecimento do modelo fenomenológico. Cerri et al. (1992) e Macedo (1992), para uma melhor análise do risco, propõem primeiramente a identificação por zona, precedida do levantamento de cada risco, individualmente, possibilitando uma análise coletiva do risco. CERRI (1992) propõe que a ficha de levantamento de campo, para ser completa, englobe informações sobre o perfil geológico e suas características; antigas feições erosivas, cicatrizes de deslizamento; existência de matacões, blocos de rocha, e/ou paredões rochosos; seus condicionantes; estruturais; ocorrência de taludes naturais, taludes de corte, aterro compactado; relação da declividade-estabilidade da encosta/talude; existência de trincas no solo e ou construções; existência de degraus de abatimento; inclinação de árvores, muros, postes e/ou qualquer outro elemento que possa sugerir uma movimentação do terreno; ocorrência de aterros, tipo de material usado e aspecto da compactação (aparência visual); acúmulo de lixo e estimativa de volume; águas servidas lançadas em superfície; presença de fossas e sumidouros; sistemas de abastecimento de águas e esgoto; sistemas de drenagens; vegetação local; tipos de cultivos que favorecem a instabilidade e construções próximas á base e ao topo de taludes e encostas. Analisando o avanço das frentes de saturação para os solos de Hong Kong, Lumb (1975) concluiu que a infiltração das águas de chuvas, independente da intensidade, provoca um aumento no grau de saturação do maciço. Este estudo baseia-se na associação de precipitação acumulada relativa média anual, aos dias imediatamente antecedentes e ao dia que ocorreu o deslizamento, onde é proposto, após várias combinações, a parametrização de quatro tipos de previsibilidade de deslizamentos, baseados na precipitação pluviométrica nas 24horas do dia do deslizamento e a precipitação acumulada nos 15 dias antecedentes ao mesmo, donde obtendo- 23

39 se a seguinte classificação: deslizamentos isolados, menores ou secundários, severos e desastrosos. Para Lumb (1975) as análises de riscos de deslizamentos se baseiam na: precipitação pluviométrica nas 24 horas que antecedem o deslizamento (>100mm); precipitação pluviométrica nos últimos 15 dias antecedentes ao deslizamento (>200mm); definição de categorias de risco em função do número de deslizamentos e chuvas acumuladas de 15 dias; e, manutenção das condições de estabilidade do maciço. Já Brand et al. (1984) e BRAND (1989) fazem associação das precipitações pluviométricas ocorridas em 1 hora e 24 horas, com o número de deslizamentos t, pela qual propõe a seguinte classificação: maior: ocorrência acima de 10 deslizamentos por dia; menor: ocorrência de menos de 10 deslizamentos por dia. Conforme encontra-se na tese de mestrado de Elenir Pereira Soares, em junho de 2006, o Município do Rio de Janeiro através da Fundação GEORIO, desde 1997, por ocasião da necessidade da implantação de um Sistema de Alerta de chuvas, desenvolveu um estudo relacionando chuvas e deslizamentos para possibilitar uma previsão de acidentes geológicos devido à precipitação na região (D ORSI et al.,1997). O método desenvolvido pela GEORIO está baseado no critério de TATIZANA et al. (1987a, b) e GEO (1996). Neste estudo são correlacionadas precipitações diárias e horárias (do dia do evento), que juntamente com a classificação dos eventos de precipitação em categorias relacionadas ao número de movimento de massa (Quadro 2.2), possibilitam a construção de um gráfico de envoltória, onde é demonstrada a suscetibilidade de deslizamentos, classificados em categorias de precipitação, onde o valor de precipitação crítica horária é de 50 mm/h (Figura 2.1), enquanto o valor diário de precipitação crítica é estipulado em 175 mm/24h (Figura 2.2). Este método adota 4 categorias de precipitação, as quais são vinculados ao número de registros de movimentos de massa 24

40 (deslizamentos) (Figura 2.3) e, diferentemente de TATIZANA et al. (1987a, b), são utilizados acumulados de 96 horas incluindo o evento. Quadro 2.2 Classificação dos Deslizamentos segundo TATIZANA et al. (1987a, b). Envoltória de Deslizamentos Deslizamentos induzidos Deslizamentos escassos Deslizamentos generalizados Corrida de lama Relação Numérica I(Ac) = x Ac-0,933 I(Ac) = x Ac-0,933 I(Ac) = x Ac-0,933 I(Ac) = x Ac-0,933 Figura Envoltória de deslizamentos (TATIZANA et al.,1987a, b) 25

41 Figura Envoltória de deslizamentos : acumulado de chuvas em uma hora x acumulado em 96 horas incluindo o evento (D ORSI et al., 1997). Figura Envoltória de deslizamentos: acumulado de chuvas em 24 horas x acumulado em 96 horas incluindo o evento (D ORSI et al., 1997). Em 2004, SOUZA desenvolveu uma metodologia de Mineração de Dados, utilizando Sistemas Geográficos de Informação (SIG) para estudar a ocorrência 26

42 dos deslizamentos ocasionados por precipitação de chuva intensa no Município do Rio de Janeiro. Para o modelo de predição de deslizamentos foram usadas as técnicas de classificação com regras de associação (LIU et al., 1998 e 2002). 27

43 3. METODOLOGIA E DADOS O presente estudo usou a modelagem numérica de mesoescala, especificamente o modelo WRF, para simular e aprimorar a previsão do tempo realizada por este modelo, sugerindo, inclusive, uma parametrização da microfísica mais adequada para as regiões tropicais que possibilite um melhor desempenho do modelo nos centros operacionais de previsão do tempo. A seleção dos casos para estudo foi feita a partir de eventos de chuvas intensas ocorridos no Estado do Rio de Janeiro nos períodos de 31 de dezembro de 2009 a 1º de janeiro de 2010, de 4 de abril a 6 abril de 2010 e de 11 a 12 de janeiro de Os dados foram obtidos a partir das análises e previsões do NCEP e foram usados com dados de entrada e condições de contorno pelo modelo WRF. No primeiro caso estudado, referente à Angra dos Reis, os resultados da precipitação gerados pelo modelo puderam ser comparados com os dados observados na rede pluviométrica do CBMERJ (Corpo de Bombeiros Militar do Estado do Rio de Janeiro), sendo a chuva acumulada em 24horas, obtida no período das 9 horas local (12:00Z) do dia anterior às 9 horas local (12:00Z) do dia referido, que foi 31 de dezembro de Foram consultadas as cartas sinóticas disponíveis no sítio da Marinha do Brasil e imagens de satélite que se encontram no banco de imagens do sítio do INPE/CPTEC. Os dados da estação convencional, apresentados em forma de gráfico, foram obtidos no site do INMET. No segundo caso estudado, referente ao Morro do Bumba, foi possível se comparar os resultados da precipitação gerados pelo modelo WRF com os dados da estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo, e estações da Fundação Geo-Rio, localizadas em bairros da cidade do Rio de Janeiro (Ilha do Governador, Penha e Saúde). As três estações situadas no município do Rio de Janeiro foram escolhidas devido à proximidade geográfica com São Gonçalo. Os dados de precipitação coletados, que se encontravam promediados a cada 15 minutos, foram reagrupados para intervalos temporais horários e diários. Observou-se que as chuvas intensas começaram no dia 05 de Abril, com totais diários que 28

44 chegaram a 123 mm (Ilha do Governador), e no dia 06 de Abril, os totais chegaram a 178 mm (Rio de Janeiro Praça XV). Em relação à intensidade, no dia 05 houve, no horário de 18h02min, a precipitação de 43,6mm, classificado como chuva forte segundo critérios na literatura. Nas horas subsequentes, a precipitação continuou intensa, o que nos auxilia a explicar os impactos ocorridos em São Gonçalo, Niterói e Rio de Janeiro (Armond et al, 2010). Além destes dados das estações acima citadas, acrescentem-se dados da estação convencional do INMET do Rio de Janeiro, cuja latitude e longitude são muito próximas da cidade de Niterói (latitude e longitude 43 07), onde aconteceu o deslizamento do Morro do Bumba, obtida no sítio do INMET. Foram consultadas as cartas sinóticas disponíveis no sítio da Marinha do Brasil e imagens de satélite que se encontram no banco de imagens do sítio do INPE/CPTEC. No terceiro caso, referente à Região Serrana, os resultados gerados pelo modelo em relação à variável precipitação acumulada foram comparados com os dados observados na estação Nova Friburgo do INEA (Instituto do Meio Ambiente), disponíveis no sítio do próprio INEA. Além destes dados, também foram consultadas cartas sinóticas de superfície disponíveis no sítio da Marinha do Brasil e imagens de satélite que se encontram no sítio do INPE/CPTEC. A versão do WRF, que foi utilizada neste trabalho experimental é a 3.1. Caso haja necessidade de uma descrição mais precisa da maior parte dos aspectos comentados, sugere-se consultar o ARW User s Guide e a NCAR Technical Note: A Description of the Advanced Research WRF Version3. Este último explica em pormenores os fundamentos físicos e matemáticos da formulação dinâmica do modelo; no que diz respeito às parametrizações físicas, o texto remete para as referências dos trabalhos originais dos seus autores. Todos os cálculos executados pelo modelo WRF a fim de simular as condições da atmosfera são baseados em um conjunto de equações que controlam o comportamento da atmosfera. Os sistemas de equações diferenciais parciais por elas compostas não podem ser resolvidos analiticamente, a menos que várias aproximações sejam feitas. Mas, estas aproximações quase nulificam a capacidade do modelo de representar a 29

45 atmosfera. Então foram desenvolvidas várias técnicas para resolver, por exemplo, a influência da solução das ondas acústicas. Desta maneira, reescrevendo as variáveis em função de acústicas fica da seguinte forma: t, o sistema que resolve as ondas U '' t t p x '' t x x RU t '' t '' t '' '' p p x d (3.20) '' t t '' V p y t y y RV t '' t '' t '' '' p p y d (3.21) '' m d 2 '' 2 m '' '' '' t U V m R x y '' t '' t '' t t t U V m R x y (3.22) (3.23) W '' m 1 g d t 2 '' '' c s t C R t t W (3.24) '' 1 t d m gw '' R t (3.25) O estudo dos casos foi feito a partir da análise dos gráficos gerados pelo modelo de previsão numérica WRF com saída para o Grads, e carta sinótica de superfície obtida no sítio oficial da Marinha do Brasil, no sítio Os dados convencionais pluviométricos foram obtidos de tabelas de pluviômetro, quantidade acumulada de 24h, do CBMERJ,dados da estação convencional do Rio de Janeiro do sítio do dados do sítio do INEA e os dados pluviométricos do município de São Gonçalo foram obtidos a partir da Estação Meteorológica da Faculdade de Formação de Professores da UERJ, operada pelo Laboratório de 30

46 Geociências (Departamento. de Geografia FFP/UERJ) e situada no bairro Patronato. As imagens de satélites meteorológicos disponíveis para os estudos dos três casos foram: imagens do satélite GOES no canal infravermelho, com projeção retangular e setor América do Sul. Foram obtidas no sítio do INPE/CPTEC ( A previsão quantitativa de precipitação, gerada pelo modelo WRF, envolveu as etapas de obtenção dos dados do modelo global GFS, interpolação dos dados para a grade do WRF (por meio do pacote de préprocessamento WPS), a simulação propriamente dita ocorre no pósprocessamento dos resultados. Para se obter os dados gerados pelo modelo atmosférico global GFS (Global Forecast System) é necessário fazer o download via internet no NCEP (National Centers for Environmental Prediction) em quatro simulações diárias (0h, 6h, 12h, 18h UTC), com resolução espacial de 0,5 grau de latitude e longitude e resolução temporal de 6 horas. As simulações com o modelo WRF foram realizadas com o pacote WPS (WRF Preprocessing System) é formado por um conjunto de programas que transformam dados terrestres (topografia, cobertura vegetal etc.) e dados meteorológicos (gerados pelo modelo GFS) em arquivos de condições de contorno e condições iniciais. A primeira etapa é a definição da grade para que sejam interpolados os campos que descreverão os domínios. Neste trabalho foram utilizadas três grades conforme descrito nos quadros 3.1 e 3.2, onde a grade 1 com 18 km e a grade 2 com 6 km e a grade 3 com 2 km, estas grades podem ser visualizadas nas figuras 3.1.a, 3.1.b e 3.1.c. 31

47 6 km. Figura 3.1.a. Grades aninhadas - Grade mãe (1) de 18 km e Grade 2 de Figura 3.1.b. Grades aninhadas - Grade 1 de 18 km e Grade 3 de 2 km. 32

48 Figura 3.1.c. Grades aninhadas - Grade 2 de 6 km e Grade 3 de 2 km. Em seguida os dados meteorológicos em escala sinótica, fornecidos pelo modelo global (formato GRIB) são interpolados horizontalmente, no sistema de coordenadas da grade, e verticalmente, no sistema de coordenadas η modificado. Como resultados são gerados arquivos binários, no formato NETCDF (network Common Data Form), com as condições iniciais de contorno que serão usadas pelo modelo WRF. Quadro 3.1: Descrição e dimensões das grades usadas no caso Angra dos Reis. Grades Latitude Longitude Espaçamento Níveis Grade 1 20 N a 60 S 90 W a 0 E 54km 27 Grade 2 14,9 S a 31,1 S 51.1 W a 34,9 W 18km 27 33

49 Quadro 3.2: Descrição e dimensões das grades usadas nos casos Morro do Bumba e Região Serrana. Grades Latitude Longitude Espaçamento Níveis Grade 1 14,9 S a 31,1 S 51.1 W a 34,9 W 18 km 27 Grade 2 19,9º S a 26,1º S 47,75ºW a 18,25ºW 6 km 27 Grade 3 22,3º S a 23,7º S 43,94ºW a 42,06ºW 2 km 27 O modelo WRF foi integrado para o caso de Angra dos Reis, com dois tipos de configuração. A primeira, o tempo de simulação foi de 72 horas, esquema de microfísica foi o de parametrização (Hong et al. 2004), baseado no esquema de Kain-Fritsch, radiação de ondas longas foi o baseado em Mlawer et al. (1997); radiação de ondas curtas foi o sistema baseado em Dudhia (1989); camada limite baseado em MM5 Similarity, camada limite planetária baseado no esquema da Universidade de Yonsei, o fluxo de calor escolhido foi o que opta pela parametrização de cumulus esquema Kain-Fritsch com cobertura de neve sem este efeito e com efeito da nuvem na radiação. A Segunda configuração, o tempo de simulação foi de 144 horas e foram mantidos os esquemas de parametrização escolhidos para o tempo de simulação de 72 horas. O modelo WRF foi integrado para o caso do Morro do Bumba, com dois tipos de configuração, ou seja, foram mantidas as mesmas configurações de 72 horas e 144 horas. Foram feitas as mesmas parametrizações do caso de Angra dos Reis. Porém, para o caso Região Serrana, optou-se por um outro esquema de parametrização de microfísica, o de Goddard. Quanto aos outros esquemas todos foram mantidos. 34

50 4. RESULTADOS 4.1 Estudo do Caso Angra dos Reis Descrição do Caso Angra dos Reis Este caso foi selecionado devido à chuva intensa ocorrida em Angra dos Reis na passagem do ano de 2009 para Esta intensidade pode ser registrada através de estações meteorológicas do CBMERJ que registraram 120 mm de chuva acumulada do dia 30 de dezembro para o dia 31 e do dia 31 para o dia 01 de janeiro de ,1 mm. Em Angra dos reis a normal climatológica ( ) de precipitação mensal no mês de dezembro de atinge o valor de 261,1mm e em janeiro é de 241,0 mm. Portanto, pode-se perceber o efeito que esta chuva intensa causou. E isto tudo culminou com a subtração de pelo menos 57 vidas e dezenas de famílias desabrigadas, devido ao desmoronamento de uma imensa barreira que destruiu uma pousada onde se encontrava uma das vítimas, além de bairros terem ficados alagados. Como pode ser observado nas imagens de satélite, figuras a e b havia uma baixa pressão a leste do Estado. Nas cartas sinóticas de superfície da Marinha do Brasil, figura a e b, na véspera da passagem do ano de 2009 para 2010, também observa-se esta baixa pressão a leste do Estado do Rio de Janeiro, e ela baixa continuou atuando por um longo período como pode ser notado na data e no horário de cada figura. Certamente, isto foi o que contribuiu para a precipitação acumulada em Angra dos Reis naquele período. Apesar de ter sido um pequeno período, no entanto, choveu mais do que o esperado para a metade do mês de dezembro, e isto pode ser confirmado pelas quantidades de precipitação acumulada registradas nos gráficos das figuras e oriundas da rede pluviométrica do CBMERJ. Destaca-se o valor acumulado de precipitação do dia 31 de dezembro que chegou a 120 mm e o valor acumulado do dia 01 de janeiro que alcançou 148,1 mm. 35

51 Baixa Pressão Figura a: Imagem do canal infravermelho do GOES de dezembro de 2009 às 21:00 UTC. Fonte: INPE/CPTEC/DAS NOAA. Baixa Pressão Figura b: Imagem do canal infravermelho do GOES de janeiro de 2010 às 03:00 UTC. Fonte: INPE/CPTEC/DAS NOAA. 36

52 Figura a: Carta de pressão ao nível do mar em 31 de dezembro de 2009 às 1200Z. 37

53 Figura b: Carta de pressão ao nível do mar em 01 de janeiro de 2010 à 00Z. 38

54 400 Angra dos Reis Precipitação /Dez 09 0(mm) Figura 4.1.3: Rede Pluviométrica CBMERJ- Angra dos Reis/Dez09 com o número de dias de chuvas Total Dias Max Angra dos Reis Precipitação /Jan Total Dias Max Figura 4.1.4: Rede Pluviométrica CBMERJ Angra dos Reis/Jan10 com o número de dias de chuvas Simulação do Caso Angra dos Reis pelo WRF por 72 horas Após os experimentos de simulação alguns dos resultados obtidos pela rodada do modelo estão apresentados a seguir. No estudo deste caso é importante enfatizar que o esquema de parametrização de microfísica escolhido foi o de WSM 3-class simple ice scheme, no manual classificado como esquema de microfísica 3. Foram usadas duas grades, a maior com espaçamento de 18 km e a menor com 6 km descritas no quadro 3.2. Na figura 39

55 4.15, pode-se observar que a precipitação acumulada por 72 horas simulada pelo modelo, ficou muito subestimada se comparada com o total real obtido em 48h pela Rede Pluviométrica do CBMERJ, cujo valor é de 120 mm (dia 31 de dezembro) e de 150 mm no dia 01 de janeiro de 2010, vide figuras e No entanto, a precipitação plotada pelo modelo foi obtida pelo esquema de parametrização convectiva (implícito) e pela microfísica de nuvens (explícita), que na somadas duas obteve-se o resultado da curva com máximo entorno de 43,0mm Precipitação microfísica Precipitação convectiva Soma das precipitações Figura 4.1.5: Precipitação acumulada (simulada) em 72 h (3 dias) do caso de chuvas intensas em Angra dos Reis. A partição da precipitação convectiva e microfísica gerada pelos modelos numéricos de previsão de tempo é fundamental para se obter uma previsão com maior acurácia. No entanto, a opção pela parametrização de microfísica é a forma mais ideal e mais adequada, como já foi comentado na literatura (Silva Ramalho et. al., 2000). Assim, com o aumento da resolução 40

56 espacial, os processos de desenvolvimento das nuvens se tornaram mais sensíveis com relação à grade de resolução do modelo. Por este motivo, ao analisarmos a figura 4.1.6, podemos notar a precipitação implícita ( convectiva). Figura : Precipitação acumulada implícita. Caso chuvas intensas de Angra dos Reis. É possível perceber que precipitação convectiva aproxima-se mais da quantidade observada, ou seja, houve um aumento da precipitação acumulada total e isto se confirma quando se compara o gráfico da figura Simulação do Caso Angra dos Reis pelo WRF por 144 horas Tomando o mesmo caso, mas agora considerando um horizonte de 144 horas, o resultado da precipitação acumulada se modifica consideravelmente, como pode ser verificado na figura

57 Precipitação microfísica Precipitação convectiva Soma das precipitações Figura 4.1.7: Precipitação Acumulada de 144 h (6 dias) do caso de chuvas intensas em Angra dos Reis. Este resultado sugere que é necessário antecipar o início da integração do modelo para obter-se uma resposta mais próxima do observado, principalmente com referencia à precipitação. Na realidade a simulação da chuva em modelos regionais sofre duas dificuldades: a primeira se refere a uma demora do modelo em produzir a chuva adequada (spinup). A outra dificuldade é devida à umidade do solo que não é assimilada rotineiramente no Brasil. Assim, só quando o modelo é integrado por várias horas com chuva, o solo simulado pelo modelo fica encharcado, e a resposta em termos de chuva intensa fica mais realística. Novamente a precipitação do modelo foi separada em convectiva e de microfísica, obtendo-se o resultado indicado na figura 4.1.8, que mostra a precipitação convectiva acumulada durante as últimas 72 horas em um horizonte de 144 horas. 42

58 O resultado do modelo surpreende, não mostrando qualquer quantidade de precipitação acumulada em Angra dos Reis. Então, foi feito a simulação da precipitação de microfísica e os valores de precipitação na região foram plotados no gráfico da figura Figura 4.1.8: Precipitação convectiva (implícita) acumulada de 144h (6 dias) do caso de chuvas intensas em Angra dos Reis. 43

59 Precipitação acumulada explícita = 144h Figura 4.1.9: Precipitação microfísica acumulada de 144h (6 dias) do caso de chuvas intensas em Angra dos Reis. Desta maneira, a simulação do modelo WRF da precipitação de microfísica acumulada mostra valores extremos no oceano e no Estado de São Paulo, e mais uma vez em Angra dos Reis, ele considera valores distantes dos observados. Entretanto, o modelo calcula um valor relevante de precipitação de microfísica acumulada na região de Angra dos Reis, e este valor já seria suficiente para ser dado um aviso de alerta de chuvas intensas na região. 4.2 Estudo do Caso Morro do Bumba Descrição do Caso Morro do Bumba O caso Morro do Bumba foi escolhido pelo mesmo motivo do caso de Angra dos Reis. Este segundo episódio estudado refere-se a chuvas intensas que se abateram principalmente sobre as cidades do Rio de Janeiro, Niterói e São Gonçalo no início de abril de Estas fortes chuvas que caíram sobre a cidade do Rio de Janeiro foram provocando alagamentos em diversos pontos 44

60 da cidade desde a noite do dia 05 de abril Segundo a GEORIO, o volume de chuva acumulado entre 17 horas e 30 minutos e 18 horas e 30 minutos chegou a 40 mm no Sumaré e a 37 mm no bairro do Méier, entre outros. Este temporal deixou um saldo de 180 mortes, a maioria soterrada por deslizamentos de terra (Fonte: oglobo.globo.com), na realidade, este deslizamento não foi só devido às chuvas intensas mas também devido a ter sido permitido a construção de casas num aterro sanitário. A trajédia ocorrida em Niterói, teve acumulados de chuva significativos em várias localidades que ultrapassaram 150mm (Fonte CPTEC/INPE), valor este esperado para o mês de abril todo. A estação convencional do INMET do Rio de Janeiro, cuja latitude e longitude são muito próximas da cidade de Niterói (latitude 22 o 53 S e longitude 43 o 07 W), onde aconteceu o deslizamento do Morro do Bumba, dá uma idéia aproximada, quando se compara os dados dos meses do ano de 2010, com o mês de abril deste mesmo ano e em seguida com a normal climatológica ( ). Veja as figuras e a seguir. Além dos dados das figuras e 4.2.2, se pode também comparar com os dados das estações da Fundação GEORIO e da estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo. Veja as figuras e Observa-se, como está destacado, que entorno de apenas uma hora a precipitação acumulada foi de 70 mm em São Gonçalo. Figura 4.2.1: Chuva Acumlada Mensal x Chuva (Normal Climatológica 61-90). Fonte: Instituto Nacional de Meteorologia INMET. 45

61 Figura.4.2.2: Chuva acumulada 24h, mês abril de Fonte: Instituto Nacional de Meteorologia - INMET Figura.4.2.3:Índice Pluviométricodas estações da Fundação GEORIO e da estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo. Período05 de abril de Figura.4.2.4:Índice Pluviométrico das estações da Fundação Geo-Rio e da estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo. Período 06 de abril de

62 Utilizando a imagem de satélite, do IR do GOES-12, figura 4.2.5, podese perceber o Estado do Rio de Janeiro sob a influência do sistema frontal. Frente fria Figura 4.2.5: Imagem infravermelha do GOES de abril de 2010 às 19:00 UTC. Fonte: INPE/CPTEC/DAS NOAA. Este sistema frontal também pode ser observado na carta sinótica do dia 5 de abril de 2010 na figura a. No entanto o que não se pode deixar de perceber é que este sistema ficou praticamente estacionado sobre o estado por muitas horas, como pode-se notar pelo horário da carta sinótica do dia 6 de abril figura b, e neste período a chuva foi ininterrupta. 47

63 Figura a: Carta de pressão ao nível do mar em 5 de abril de 2010 às 1200Z. 48

64 Figura b: Carta de pressão ao nível do mar em 6 de abril de 2010 às 00Z. 49

65 O evento meteorológico extremo foi provocado pela combinação de dois fatores meteorológicos principais: a aproximação e chegada de uma frente fria de moderada intensidade e a presença de uma massa de ar quente, úmida e instável, com rajadas de vento com valores próximos a 75km/h.(Fonte: CPTEC/INPE) Simulação do Caso Morro do Bumba com o Modelo WRF A figura evidencia um ciclone localizado no oceano com vento de forte intensidade no sentido norte a 850 hpa. Percebe-se a presença de um corredor de umidade alimentado pelo vento de norte. A anomalia de umidade específica tem valor significativo na região do Morro do Bumba. Morro do Bumba Figura 4.2.7:Anomalia dos campos do vento e da umidade específica (g/kg) no intervalo entre à 0 UTC do dia 4 e 0 UTC do dia 5 de abril de A figura de 24h horas após, mostra o avanço do sistema frontal, mas observa-se a mudança do sentido do vento que passa a ser de sul e notase agora a umidade com valores bem menores como era esperado. 50

66 Morro do Bumba Figura 4.2.8: Anomalia dos campos do vento e da umidade específica (g/kg) no intervalo entre à 0 UTC do dia 5 e 0 UTC do dia 6 de abril de A figura com 48horas passadas, o sistema frontal que ainda permanece intenso, continuando a se afastar do continente, deixando a costa do Estado do Espírito Santo e com um valor de umidade específica bem menor se comparado ao anterior a passagem do sistema frontal. 51

67 Morro do Bumba Figura 4.2.9: Anomalia dos campos do vento e da umidade específica (g/kg) no intervalo entre à 0 UTC do dia 6 e 0 UTC do dia 7 de abril de A simulação do modelo WRF para o caso do Morro Bumba, como pode ser visto na figura , mostrou-se em 72 horas com valor total de precipitação acumulada subestimado em relação ao valor real, mas valor suficiente para que um previsor desse um alerta, pois na literatura encontramos que os modelos nunca conseguem prever o momento e a quantidade exata de chuva que vai ocorrer. 52

68 Figura : Precipitação acumulada (simulada) em 72 h (3 dias) do caso de chuvas intensas no Morro do Bumba. Apesar disso, pode-se extrair da figura que houve uma precipitação acumulada intensa, uma vez que entorno das 6h local o valor da precipitação acumulada era menor que 5 mm e alcançou antes das 9 horas local um pouco mais que 50 mm, daí conclui-se que a duração da chuva é que foi o diferencial para o desfecho ocorrido. Na natureza existem várias formas que a água pode possuir na atmosfera, incluindo seis espécies de água, a saber: vapor d água, água de nuvem e cristais de gelo, água de chuva, granizo/graupel e neve (Hallak et al, 2004). A água de chuva foi a escolhida para a simulação do modelo, uma vez que ela é uma espécie precipitante, e precipitação intensa, neste caso em estudo, é o que interessa prever para que a devida prevenção seja feita. A simulação do modelo WRF mostra no perfil de água de chuva (razão de mistura) um valor maior entre 45 o W e 44 o W, como pode ser notado na figura4.2.8 às 20 UTC. 53

69 Figura : Perfil vertical da razão de mistura da água de chuva (g/kg) às 20UTC Caso Morro do Bumba. No entanto, 3 horas depois, ainda usando o perfil de água de chuva (razão de mistura), o modelo mostra um valor entre 0.05 e (g/kg) numa área ligeiramente maior (figura ). Porém, o que mais chama a atenção é o tempo de duração da chuva num mesmo local. Figura4.2.12: Razão de mistura da água de chuva (g/kg) -Caso Morro do Bumba. 54

70 Analisando outros campos de variáveis, como por exemplo, o campo de umidade, figura , nota-se que o modelo distribui a umidade específica de maneira a concentrar valores maiores no oceano, o que pode ser confirmado pela imagem de satélite na figura que representa a região onde se encontrava a frente fria no período de estudo. Além disso, nesta figura podemos perceber um valor bem acentuado de umidade próximo a latitude 23,7 o S longitude 44,5 o W, ponto este que está próximo da cidade de Niterói(latitude: 22 o 53 S e longitude 43 o 07 W), onde ocorreu o evento de chuva intensa, podemos perceber na figura , que o modelo simula tal situação. Figura : Umidade específica (g/kg) no dia 5/4/2010 às 23UTC. Caso Morro do Bumba. Os campos de vento são descritos pelo modelo de modo que representam a frente chegando ao estado do Rio de Janeiro na noite do dia 04 de abril e se afastando do estado no dia 05 de abril, como pode ser extraído da figura e

71 Figura : Vento a 1.000hPa Caso Morro do Bumba em 04 de abril de 2010 às 23 UTC. Figura : Vento a 1.000hPa Caso Morro do Bumba em 05 de abril de 2010 às23 UTC. 56

72 A simulação do modelo WRF, em relação a variável temperatura, que controla o conteúdo de água líquida e o tipo de precipitação que pode ocorrer, dá o valor acima de 34 C, indicando que este aquecimento tem como motivo a aproximação de um sistema frontal, que se movimentou rapidamente, uma vez que no estado do Paraná observa-se valores abaixo de 20 C no dia 04 de abril e no dia 05 a região leste do Estado de São Paulo que estava com valores entorno de 32 C, assume valores próximos a 22 C. Esta queda na temperatura demonstra que o sistema frontal se aproximando do Estado do Rio de Janeiro muito rápido. Vide figura e O que se pode confirmar pela imagem de satélite, figura O modelo simulou as temperaturas antes e durante a passagem do intenso sistema frontal. É de se notar que antes da chegada dele, a temperatura na região metropolitana estava em torno de 34 C no dia 04 de abril de 2010, veja a figura , e no dia 06 de abril (figura ) após a passagem do sistema frontal, ela diminui mais de 10 C e atingiu o valor de 23 C No período em estudo, um cavado em altitude associou-se a um sistema frontal apoiando-o e assim causando chuvas e estragos, principalmente na região da capital do Rio de Janeiro. Esta frente fria com uma massa de ar úmido (marítima) encontrou-se com a massa de ar úmido instável que já se encontrava sobre o Sudeste e causou a chuva observada, com volumes que chegaram a superar 300 mm em algumas localidades da capital fluminense. (INPE/CPTEC), e este estrago todo teve como saldo negativo, infelizmente, a morte de mais de 200 pessoas. 57

73 Figura :Temperatura a 2m. Caso Chuvas intensas do Morro do Bumba em 04/04/2010. Figura : Temperatura a 2m. Caso das chuvas intensas no Morro do Bumba em 05/04/

74 Figura : Temperatura a 2m. Caso Chuvas intensas Morro do Bumba em 06/04/ Estudo do Caso Região Serrana Descrição do Caso Região Serrana O caso da Região Serrana foi escolhido não só pelos mesmos motivos dos casos de Angra dos Reis e do Morro do Bumba, mas também por ter sido considerado como pelo menos uma das maiores tragédias naturais observadas no país que provocou a morte de 916 pessoas. A gravidade da situação foi devido ao grande volume de chuva, e além disso, à saturação do solo, ao transbordamento de rios e córregos. A união de todos este fatores teve como consequência o deslizamento de encostas e a destruição de parte de cidades como Nova Friburgo, Teresópolis e Petrópolis entre outras, configurando assim um cenário de catástrofe. O número de desaparecidos chegou a 345 e o de desalojados superou 30 mil pessoas. 59

75 (Fonte: ana+345+pessoas+continuam+desaparecidas). A partir do dia 11 de janeiro houve a formação de um episódio de ZCOU, mas já havia acontecido um anterior a este. Além da persistência, este sistema se reforçou ao longo da semana e o padrão atmosférico ao longo da coluna troposférica adquiriu características da Zona de Convergência do Atlântico Sul (ZCAS), configurando tal sistema a patir do dia 14. No decorrer daquela semana a atuação do canal de umidade associado à ZCOU/ZCAS provocou muita instabilidade e acumulados de chuva muito significativos no Sudeste do país. No estado do Rio de Janeiro choveu forte durante várias horas seguidas. O grande volume de chuva, a saturação do solo e a vulnerabilidade da região provocaram transbordamento de rios, córregos e deslizamentos de encostas, causando a morte de centenas de pessoas.(inpe/cptec) Acrescente-se a todas essas motivações o fato de não ter sido previsto com antecipação necessária, e informada de maneira precisa a intensidade e a abrangencia espacial da precipitação que ocorreria. Os acumulados de precipitação foram significativos em várias localidades como Nova Friburgo com mais de 180mm (INMET) de chuva acumulada em 24 horas, em Teresópolis com mais de 80mm no mesmo período. Na semana que antecedeu o evento, foi publicado no site de notícias G1 que devido às chuvas daqueles últimos dias havia ocorrido deslizamento de terra que derrubara uma casa, matando quatro pessoas, em Teresópolis. Como visto na revisão bibliográfica, quando ocorre encharcamento do solo de pelo menos 100 mm de chuva acumulada, há riscos acentuados de ocorrerem deslizamentos, o que certamente deve ter ocorrido neste episódio. Como pode ser observado respectivamente pelas imagens de satélites figuras e 4.3.2, havia duas importantes situações ocorrendo: A Zona de Convergência de Umidade (ZCOU) e Zona de Convergência do Atlântico Sul (ZCAS) exercendo sua influência sobre o Estado do Rio de Janeiro. O mesmo se confirma nas cartas sinóticas de superfície da Marinha do Brasil, figura (a) e (b), onde observa-se um sistema de baixa pressão sobre o estado. Pelas figuras e originárias no sítio do INEA pode ser observado o volume de chuva ocorrido e também a longa duração deste. Além deste fato, ventos de 60

76 Noroeste, na baixa troposfera traziam umidade do Estado de Minas Gerais, causando toda a precipitação acumulada na região. ZCOU ZCAS Figura 4.3.1: Imagem infravermelha do GOES de janeiro de 2011 às 03:00 UTC. Fonte: INPE/CPTEC/DAS NOAA ZCOU ZCAS Figura 4.3.2: Imagem infravermelha do GOES de janeiro de 2011 às 3:00 UTC. Fonte: INPE/CPTEC/DAS NOAA. 61

77 (a) 62

78 (b) Figura 4.3.3: Cartas de pressão ao nível do mar (a) 11 de janeiro de Z e (b) 12 de janeiro de 2011 à 00Z. 63

79 Figura 4.3.4: Localização das estações do INEA Fonte: sítio do INEA Figura 4.3.5: Chuva observada na estação Nova Friburgo do INEA em 11 de janeiro de Fonte: sítio do INEA 64

80 Figura 4.3.6: Chuva observada na estação Nova Friburgo do INEA em 12 de janeiro de Fonte: sítio do INEA Simulação do Caso Região Serrana com o Modelo WRF por 72 horas Neste teste, os dados de entrada foram os das análises do NCEP em lugar das previsões. Na figura 4.3.7, a simulação do modelo WRF com relação a variável precipitação acumulada, pode se observar que há um acúmulo expressivo de chuva num período de 72h na Região Serrana com valor máximo em 100mm, onde nota-se claramente que o modelo, quando em simulação capta melhor a precipitação acumulada real. O campo de precipitação acumulada em 3 dias da figura obtida através da simulação do modelo WRF, podemos destacar o salto dado devido ao acúmulo de precipitação, pois no dia 11 de janeiro às zero hora o acúmulo de ambas as precipitações (convectiva e microfísica) tem valor 0 mm, e no dia 12 de janeiro no intervalo de doze horas, tal valor atinge 30 mm, demonstrando com isto que o modelo estava captando, ainda que não precisamente, a intensidade do evento. No dia 14 as zero hora verifica-se a precipitação acumulada atingir o valor de 60 mm. 65

81 Figura 4.3.7: Simulação de 3 dias de Precipitação. Caso Região Serrana. Quando se compara os valores dos dados observados, ou seja, os dados da estação de Nova Friburgo do INEA, vide figura 4.3.6, percebe-se que existe uma grande diferença do valor calculado (60 mm em 3dias) para o observado (100 mm em menos de um dia). A figura mostra as séries da precipitação acumulada convectiva e de microfísica. A precipitação acumulada convectiva alcança valores superiores a 60 mm em 72 horas, enquanto que a precipitação por microfísica não apresentou valores relevantes. 66

82 Precipitação microfísica Precipitação convectiva Soma das precipitações Figura 4.3.8: Precipitação acumulada (simulada) em 72 horas (3 dias) do caso Região Serrana (Nova Friburgo). Da figura 4.3.9, que é a localização da cidade de Petrópolis, uma das cidades mais atingidas pela catástrofe de 11 de janeiro de 2011, usando a grade de 6 km, pode-se ressaltar a precipitação explícita que no dia 12 de janeiro em torno da 0 hora tem o valor 0 mm e duas horas depois atinge o valor de aproximadamente 8mm. Além disso, a precipitação implícita ou convectiva, embora num intervalo de tempo maior, alcança aproximadamente 17mm em torno das 12 horas no dia em questão. A soma das duas precipitações (explícita e implícita) atinge o valor de 25mm acumulados no final do dia 12. No final do período analisado, no dia 14, embora o modelo subestime o valor de precipitação acumulado real ocorrido, ainda assim, ele consegue mostrar que o evento merecia atenção. 67

83 Precipitação microfísica Precipitação convectiva Soma das precipitações Figura 4.3.9: Precipitação acumulada (simulada) em 72 h (3 dias) do caso Região Serrana (Petrópolis). Com a intensão de verificar-se qual dos dois tipos de precipitações o modelo WRF captou melhor esse fenômeno, separou-se a precipitação implícita da explícita. Da figura deve-se destacar o valor máximo de 60 mm de precipitação acumulada convectiva em 72horas na região serrana, enquanto que na figura a precipitação acumulada explícita é zero na região em questão, e isto evidencia que o modelo funcionou bem quando se trata de precipitação implícita. Portanto, mais uma vez a resposta do modelo ainda está muito longe dos valores reais de precipitação ocorridos. 68

84 Figura : Precipitação convectiva acumulada num período de 72 horas, num horizonte de 72 horas. Figura : Precipitação de microfísica acumulada num período de 72 horas, num horizonte de 72 horas. 69

85 Caso Região Serrana com o Modelo WRF por 96 horas A figura é o resultado do teste com um horizonte de 96 horas para se observar como o modelo responde com um solo com eventuais chuvas anteriores. Da figura se extrai que não houve melhoria, ao contrário, a precipitação convectiva acumulada expressou o valor máximo de 20 mm. Por outro lado, a precipitação de microfísica teve um melhora próximo da região em questão, o valor de 20 mm, como se pode verificar na figura Figura : Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 96 horas. 70

86 Figura : Precipitação acumulada da microfísica, por um período de 72 horas, num horizonte de 96 horas Caso Região Serrana com o Modelo WRF por 120 horas As figuras e são o resultado do teste com um horizonte de 120 horas. Fig : Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 120 horas. 71

87 Figura : Precipitação acumulada da microfísica, em 72 horas, num horizonte de 120 horas. Nestas figuras nota-se que também não houve melhoria, ao contrário, a precipitação convectiva acumulada expressou o valor máximo de 40 mm. Além disso, a precipitação de microfísica também piorou próximo da região em questão, o valor de 10 mm (figura ) Caso Região Serrana com o Modelo WRF por 144 horas A figura é o resultado do teste com um horizonte de 144 horas, mais uma vez para se observar como o modelo responde com um solo com eventuais chuvas anteriores. Da figura se extrai que não houve sensível melhoria, ao contrário, a precipitação convectiva acumulada expressou o valor máximo de 30 mm. A precipitação de microfísica também não teve um melhora próximo da região em questão, pois não expressou valor significativo, como se pode verificar na figura

88 Figura : Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 144 horas : Precipitação convectiva acumulada por um período de 72 horas, num horizonte de 120 horas. 73

89 Previsão com a Microfísica do Esquema de Parametrização de Goddard A figura representa a soma da precipitação acumulada convectiva com a precipitação acumulada de microfísica. Nesta figura foi aplicado o esquema parametrização de microfísica de Goddard, classificado como esquema 7 no manual do modelo WRF. Destaca-se o valor superior a 70 mm de precipitação acumulada em 72 horas na região serrana. Figura : Precipitação acumulada por microfísica por um período de 72 horas, num horizonte de 120 horas. Pode-se notar que houve uma resposta melhor quanto a quantidade de precipitação acumulada na Região Serrana ao se comparar esta figura com a soma das figuras e precipitação acumulada convectiva e de microfísica respectivamente. Isto se deve provavelmente a mudança de 74

90 esquema de parametrização de microfísica. Talvez, este esquema seja mais recomendado para o Estado do Estado do Rio de Janeiro precipitação convectiva precipitação de microfísica soma das precipitações Figura : Precipitação acumulada num período de 72 horas, num horizonte de 72 horas, usando o esquema de microfísica de Goddard. Na figura deve-se destacar que a precipitação acumulada por microfísica tem um valor acumulado superior a 25,0 mm no período de interesse enquanto que a precipitação acumulada convectiva não se altera no período em questão. Portanto, este resultado é muito favorável para o modelo WRF. 75

91 5. Conclusões e Recomendações O principal objetivo deste estudo é avaliar os resultados que o modelo de previsão atmosférica de alta resolução WRF oferece como ferramenta para a previsão do tempo para o Estado do Rio de Janeiro, e para a Região Metropolitana, mas para alcançar este objetivo, foi feito simulação de eventos de chuvas intensas no Estado do Rio de Janeiro usando o Modelo de previsão numérica WRF. Foram escolhidas grades aninhadas. No primeiro momento, quando foi estudado os Casos Angra dos Reis e Morro do Bumba, foram utilizadas duas grades, a maior com 54 km e a menor 18 km de espaçamento e posicionadas em 43ºW e 23ºS. No segundo momento, em que foi estudado o Caso Morro do Bumba, foi feito um teste com três grades com espaçamento (18 km, 6 km e 2 km). Neste segundo momento também foi estudado o Caso Região Serrana, foram escolhidas duas grades com espaçamento (18 km e 6 km) e posicionadas no mesmo ponto. No primeiro momento, a simulação de precipitação acumulada do Caso Angra dos Reis foi testada para um período de 72 horas com horizontes de 72 horas e 144 horas, e estes testes foram comparados com os dados observados de estações meteorológicas da rede pluviométrica do CBMERJ. Além da simulação da precipitação, também foi feito figuras de outras variáveis como, por exemplo, vento, umidade e temperatura. Ainda no primeiro momento foi realizado testes para o Caso Morro do Bumba. Primeiramente foi feita a simulação de precipitação acumulada para um período de 72 horas com um horizonte de 72 horas. Esta simulação pôde ser comparada com os dados observados de estações do INMET e estações da Fundação GEORIO e da estação Climatológica do Laboratório de Geociências da FFP/UERJ, situada em São Gonçalo. Também para este caso foram feitas figuras para variáveis tais como vento, umidade específica, temperatura entre outras. No estudo do Caso da Região Serrana, ocorrido no segundo momento, os dados simulados, de precipitação acumulada, pelo modelo foi testado para um período de 72 horas com horizontes de 72, 96, 120 e 144 horas. Estas simulações foram comparadas com dados observados da estação de Nova 76

92 Friburgo do INEA, Instituto Estadual do Ambiente, em forma de gráfico, disponíveis no sítio do INEA (Instituto Estadual do Ambiente). Realizou-se testes em cada caso, com períodos de 72 horas com horizontes de 72, 96, 120 e 144 horas para se observar se estava ocorrendo spinup, e todos os resultados melhores foram os de maior horizonte. Isto nos leva a acreditar que esteja ocorrendo de fato a necessidade de maior tempo para que o modelo WRF dê uma resposta mais próxima dos dados observados reais. Nos três casos estudados, Caso Angra dos Reis, Caso Morro do Bumba e Caso Região Serrana, a previsão do modelo quanto à aproximação do sistema frontal e/ou afastamento do mesmo para o Estado do Rio de Janeiro foi muito eficiente e satisfatória. Porém, quando foi relevante prever a intensidade da precipitação o modelo WRF subestimou os valores em todos os três casos estudados neste trabalho. A subestimação da precipitação acumulada foi a motivação para a mudança de esquema de parametrização de microfísica. Foram testados dois esquemas de parametrização de microfísica (3 e 7), sendo no primeiro momento a parametrização de microfísica 3 e no segundo momento a parametrização de microfísica 7, conforme classificação do manual do WRF. No segundo momento, no caso Região Serrana, foi possível melhorar o resultado de precipitação acumulada de microfísica e o valor deste resultado se aproximou um pouco do valor real observado, mas levou o tempo de rodada do modelo foi maior, entorno de 37 por cento a mais, talvez operacionalmente não seja eficiente, porque pode onerar o custo da operação ou torna-la inviável. Apesar do modelo não ter sido suficientemente eficiente na previsão de eventos de chuva intensa, com o tempo, as atualizações conduzirão a este termo. Sugere-se que sejam feitos outros testes, como por exemplo: Outras combinações de esquema de parametrização de microfísica e cúmulos. Teste com parametrização de modelos de solo e superfície. Teste com 4 grades aninhadas. 77

93 Testes com pacotes de assimilação de dados. testes com modelos estatísticos. 78

94 6. Referencias Bibliográficas ALBERTO B. SERRA E LEANDRO RATISBONNA. 1957:O Clima do Rio de Janeiro, 2ª Edição. ANTHES, R. A., KUO, Y. H., BENJAMIN, S. E., LI, Y. F. 1982: The evoluation of the mesoscaleenviroment of modelling results.. Mon. Wea. Rev., V. 110, p ARAKAWA, A.; LAMB, V. R.1977:Computational design of the basic dynamical processes of the UCLA general circulation model. [S.l.]: Academic Press. WRF, 2008, A Description of the Advanced Research WRF v. 3.1, June Barker, D. M., W. Huang, Y-R.Guo, A. Bourgeois, and X. N. Xiao, 2004: A Three-Dimensional Variational Data Assimilation System from MM5: Implementation and Initial Results. Mon. Wea. Rev., V. 132, CHANG, S. W. The orographic effects induced by an island mountain range on propagating tropical cyclones. Monthly Weather Review, v.110, p , CHEN, S.-H.; SUN, W.-Y. 2002: A One-dimensional Time Dependent cloud Model.J. Meteor.Soc. Japan, V. 80, p DERECZYNSKI, C. P et al. 2009: Climatologia da Precipitação no Município do Rio de Janeiro, Ver. Bras. De Meteor, V. 24, p

95 DUDHIA, J., 1989: Numerical Study of Convection Observed During the Winter Monsoon Experiment using a Mesoscale Two-dimensional Model, J. Atmos. Sci., V. 46, Ferreira, A. P. G. F Estágio em Meteorologia e Oceanografia Física. Sensibilidade às parametrizações físicas do WRF nas previsões â Superfície em Portugal Continental. Departamento de Física, Universidade de Aveiro, 125p. FURNAS, 2007: Relatório de Furnas Modelo WRF v.2.0. Agosto de GANGULY, A. R., BRAS, R. L. 2000: Distributed quantitative precipitation forecasting using information from radar and numerical weather prediction models. Journal of Hidrometeorology.P 1168, GRELL, G. A.; DEVENYI, D.2002: A Generalized Approach to Parameterizing Convection Combining Ensemble and Data Assimilation Techniques.GeophysRes. Lett., V. 29(14), p GRELL, G. A.; DUDHIA, J.; STAUFFER, D. R. 1994: A description of the fifth generation Penn State/ NCAR mesoscale model (MM5). S. I.. HOLTON, J. R.2004:An Introduction to Dynamic Meteorology, 4 th edition.. INPE/CPTEC: Estudos da Previsibilidade de Eventos Meteorológicos Extremos na Serra do Mar. Relatório Final. Período: 01/09/2005 a 30/08/2009 Processo n : 04/ JACOBSON, M. Z. Fundamentals of Atmospheric Modeling. IS.I.I: Cambridge Univ. Press,

96 JANJIC, Z. I. 2000; Comments on "Development and evaluation of a convection scheme for use in climate models".j. Atmos. Sci., V. 57, p KAIN, J. S.; FRITSCH, J. M.1993; Convective Parametrization for Mesoscale models: The Kain-Fritsch Scheme. the Representation of Cumulus Convection in Numerical Models, meteor. monogr. Amer. Meteor. Soc., V. 46, p KESSLER, E.1969: On the distribution and continuity of water substance in atmospheric circulation. Amer. Meteor. Soc, V. 32, p. 84. KAIN, J. S.; FRITSCH, J. M. 1993: Convective parametrization for mesoscale models: Thekain-fritsch scheme. the representation of cumulus convection in numerical models,meteor. monogr. Amer. Meteor. Soc., V. 46, p KUO, Y., REED, R. 1988: Numerical simulation of explosively deepening ciclone in the eastern pacific.. Mon. Wea. Rev., V.116, p LEE, D., HONG, S. 1989: Numerical experiments of the heavy rainfall event that ocurred over korea during 1-3 september. J.of Korean Meteor. Soc., V. 25, p LIEBMANN, B; KILADIS, G. N.; MARENGO, J. A.; AMBRIZZI, T.; GLICK, J. D. Submonthly convective variability over South America and the South Atlantic convergence zone. J. Climate, 12, p , LUMB, P., 1975, Slope Failures in Hong Kong. Engineering Geology, v. 8, pp Quaterl y Journal of 81

97 MENEZES, W. F.; DE LIMA, D. R. O.; COELHO, D.G. 1994; Eventos de chuvas intensas sobre a bacia do rio paraíba do sul: aspectos observacionais e numéricos do caso de dezembro de MOLINARI, J., DUDEK, M. 1991: Parameterization of Convective Precipitation in Mesoscale Numerical Models: A Critical Review.. Mon. Wea. Rev., V. 120, p MOURÃO, C.; 2010; Estudo Numérico da Produção de Chuvas Intensas na Região da Serra Do Mar Paulista. CPTEC/INPE. NEBEKER, F. Calculating the Weather: Meteorology in the 20th Century. IS.I.I: Academic Press, OLIVEIRA, A.C., 2006: Implementação do Modelo Atmosférico WRF acoplado com o Modelo Hidrológico Top Model para a Bacia de União Vitória. Dissertação ( Mestrado em Engenharia de Recursos Hídricos) Programa de Pós Graduação em Engenharia de Recursos Hídricos e Ambiental do Setor de Tecnologia da Universidade Federal do Paraná, 87p. PALLOTA, M.; 2010; Caracterização de Episódios de Zona de Convergência do Atlântico Sul (ZCAS) e Zona de Convergência de Umidade (ZCOU) em Janeiro e Fevereiro de ORLANSKI, I. A rational subdivision of scales for atmospheric processes. Bulletin de American Meteorology Society, v. 56, SATYAMURTI, P, NOBRE, C.; SILVA DIAS, P.L. South America Meteorology of the Southern Hemisphere, D. J. Karoly and D. G. Vicent, Eds., Amer. Meteor. Soc.., p ,

98 SILVA, M. P. R.; 2006: Modelagem numérica dos processos de remoção úmida de poluentes atmosféricos: estudo de caso para a região amazônica (Rondônia). SOARES, E. P.; 2006; Caracterização da Precipitação na Região de Angra dos Reis e a sua Relação com a Ocorrência de Deslizamentos de Encostas. TATIZANA, C., OGURA, A.T., CERRI, L.E.S. e ROCHA, M.C.M., 1987a, Análise de Correlação entre Chuvas e Deslizamentos Serra do Mar Município de Cubatão. In: Anais do 5 Congresso Brasileiro de Geologia e Engenharia, v. 2, pp , São Paulo, Out.. TATIZANA, C., OGURA, A.T., CERRI, L.E.S. e ROCHA, M.C.M., 1987b, Modelamento Numérico da Análise de Correlação entre Chuvas e Deslizamentos aplicados à Encosta da Serra do Mar. In: Anais do 5 Congresso Brasileiro de Geologia e Engenharia, v. 2, pp São Paulo, Out.. THOMPSON, G.; RASMUSSEN, R. M.; MANNING, K. 2004: Explicit Forecasts of Winter Precipitation Using an Improved Bulk Microphysics Scheme.partI: Description and Sensitivity Analysis. Mon. Wea. Rev., V. 132, p ZHANG, D. L., FRITSCH, J. M. 1982: A case study of the sensitivity of numerical simulation of mesoscale convective systems to varying initial conditions.. Mon. Wea. Rev., V.114, p

99 Apêndice A A. O Modelo WRF O WRF (Weather Research and Forecast) é um sistema de modelagem numérica da atmosfera orientado para a pesquisa dos fenômenos atmosféricos de microescala e de mesoescala e para a previsão do tempo em mesoescala. Este sistema está sendo desenvolvido como esforço de colaboração entre os centros de investigação e agências governamentais americanos Mesoscale and Microscale Meteorology (MMM), uma divisão do National Center for Atmospheric Research (NCAR), os National Centers for Environmental Prediction (NCEP) e o Forecast System Laboratory(FSL) da National Oceanic and Atmospheric Administration (NOAA), a Air Force Weather Agency (AFWA) e o Naval Research Laboratory (NRL), tutelados pelo US Departement of Defense, o Center of Analysis and Prediction of Storms (CAPS), sediado na Universidade de Oklahoma, e a Federal Aviation Administration (FAA). O WRF conta ainda em seu desenvolvimento com a participação de cientistas de várias Universidades. O WRF foi concebido para ser uma ferramenta de topo na arte de simulação atmosférica, flexível, portável, e eficiente em variadas plataformas de computação. O modelo atende tanto situações atmosféricas idealizadas como situações reais, em escalas horizontais que podem ir desde alguns metros até milhares de quilômetros. O WRF tem aplicações como, por exemplo, em simulações idealizas (convecção, ondas baroclínicas, ondas de gravidade, etc), pesquisa de parametrização, pesquisa de assimilação de dados, pesquisa em previsão do tempo, acoplamento entre modelos de diferentes aplicações (tempo-ondas, tempo-poluição, etc.) e em ensino. A vertente de previsão operacional do tempo, no mesmo diapasão de modelos de mesoescala mais antigos como o MM5, tem crescido muito pelo impacto que tem nas atividades humanas. As simulações operacionais com o WRF sobre o continente dos EUA e na Europa, iniciadas em abril de 2004, nos mostram que este modelo tem enormes potencialidades práticas. A-1

100 Nas últimas décadas tem ocorrido no campo da previsão meteorológica de mesoescala uma verdadeira revolução. Diversos grupos realizam simulações em tempo real, com diferentes modelos nos mais variados lugares do mundo. Uma explicação para isto pode ser, por exemplo, a crescente acessibilidade em tempo real dos dados das grades de análise e reanálise de previsão saídos do NCEP. O âmago de qualquer modelo numérico de simulação hidrodinâmica consiste na formulação das equações dinâmicas apropriadas juntamente com as técnicas empregadas na resolução das mesmas. O Sistema de modelagem WRF possui dois cernes dinâmicos distintos: ARW (Advanced Research WRF) e NMM (Nonhydrostatic Mesoescale Model). Ambos são formulações avançadas de modelos anteriores. O NMM é um modelo não hidrostático desenvolvido pelo NCEP a partir do modelo operacional hidrostático ETA; o ARW utiliza o esquema do modelo de nuvens de Klemp-Whilhelmson (Skamarock, 2005). Para maiores informações sobre o modelo WRF, suas versões, opções e fóruns de discussão recomenda-se o sítio do manual do usuário do modelo ( e a página principal do projeto WRF ( ). A.1 Estrutura das Grades do Modelo O domínio de simulação significa que seja delimitado espaço físico representando-o por uma malha tridimensional na área de cálculo. No WRF, cada nível vertical é definido por um valor discreto da coordenada sigma (sigma=(p-p top )/(P sup - P sup ), definida em relação à componente hidrostática de pressão, proporcional à massa da coluna de ar que se estende do nível dado até a fronteira superior do modelo, dividida pela massa em toda a coluna. Junto ao solo, as superfícies seguem o declive do terreno. Cada superfície de mesmo sigma é recortada numa rede retangular horizontal, definida no plano de uma projeção cartográfica. O WRF utiliza quatro projeções (Lambert, Mercator, polar A-2

101 estereográfica e latitude/longitude regular ou equidistância cilíndrica). Vide quadro A.1 e figura A.1. Quadro A.1: Resumo das projeções cartográficas do modelo WRF Projeção do Mapa/valor do map_proj Parâmetros da projeção Conforme de Lambert / lambert truelat1 truelat2(opcional) stand_lon Mercator / mercator truelat1 Estereográfica Polar / polar truelat1 stand_lon Latitude-longitude Regular ou pole_lat Equidistante cilíndrica / lat lon pole_lon stand_lon A-3

102 Figura A.1: Projeções Cartográficas do modelo WRF. O espaçamento da grade e o número de nós definem as dimensões. A posição da grade no globo terrestre pode ser definida pelas coordenadas latitude e longitude correspondente ao centro geométrico ou a qualquer outro ponto escolhido. A orientação precisa do domínio define-se pelo meridiano que deve ficar alinhado com o eixo y em uma dada posição x da rede. A.2 Coordenadas Verticais O sistema de coordenadas verticais utilizado pelo WRF é denominado.entretanto, não é o mesmo sistema que utiliza o nível médio do mar como base, e sim uma modificação do sistema. As equações do WRF são formuladas empregando a coordenada vertical, representada na Figura A.2 é definida como: p p h ht onde p hs p ht, p h é a componente hidrostática da pressão, p ht é o valor no topo e p hs corresponde ao valor da pressão na superfície. A-4

103 Figura A.2: Sistema de coordenadas verticais. A.3 Equações Governantes Todos os cálculos executados pelo WRF a fim de simular as condições da atmosfera são baseados em um conjunto de equações que descrevem o comportamento da atmosfera. Os sistemas de equações diferenciais parciais por elas compostas não podem ser resolvidos analiticamente, a menos que várias aproximações sejam feitas. Entretanto, com essas aproximações a capacidade de representar fenômenos reais é praticamente nula. As equações são definidas na forma diferencial como: Equações que representam a conservação da quantidade de movimento U t V u xp xpx FU (A.3.1) V t Vv yp yp y FV (A.3.2) A-5

104 W t Vw g p FW (A.3.3) Equação que representa a conservação de energia termodinâmica t V F (A.3.4) Equação que representa a conservação de massa V 0 t (A.3.5) Equação que representa a Equação Geopotencial t 1 V gw 0 (A.3.6) (A.3.7) Equação que representa o estado termodinâmico p Rd p 0 p0 (A.3.8) Onde v ( u, v. w), é a temperatura potencial, gz é o geopotencial, p é a pressão, 1 é o inverso da densidade, c c p v, R d é a constante do gás para o ar seco, p 0 é a pressão á superfície de referência, V v ( U, V, W), e, F U, F V, F W e F representam os termos forçantes devido à física do modelo, mistura turbulenta, projeções esféricas e a rotação da Terra. Entretanto, na forma apresentada acima, as equações são aplicáveis apenas para situações idealizadas. O sistema realmente utilizado no WRF possui termos que levam em conta o efeito da força de Coriolis, umidade do ar e a A-6

105 A-7 projeção cartográfica que está sendo utilizada. Além disso, as equações diferenciais parciais possuem variáveis de perturbação, pois isso diminui os erros de truncamento e arredondamento no cálculo do gradiente de pressão horizontal e vertical, respectivamente. Essas novas variáveis (denotadas por ' a ) representam desvios em termos que estão hidrostaticamente balanceados (denotados por a ). Basicamente a nova representação para uma variável qualquer é ' a a a. A forma final das equações é: U x d x x d d x d x d y x t F p p p u Vu Uu m U ' ' ' ' ' (A.3.9) V y d y y d d y d y d y x t F p p p v Vv Uv m V ' ' ' ' ' (A.3.10) W d r c v d d w w y w x t F g m q q q p g m V U m W ' 1 1 ' (A.3.11) F m V U m y x t 2 (A.3.12) 0 2 ' m V U m y x d t (A.3.13) gw m V U m y x d t 2 1 ' =0 (A.3.14)

106 ' d ' d d ' d (A.3.15) Q t m m 2 xuqm yvq m m q m FQ m (A.3.16) du dv d w d ondeu, V, W,. A equação de estado não pode ser m m m m escrita em forma de perturbação devido ao expoente, ficando com a mesma forma apresentada na equação (A.3.8). A.4 Discretização Temporal e Espacial A solução das equações do modelo é da forma de ondas, entretanto na solução existem tanto ondas lentas que representam os fenômenos meteorológicos de interesse quanto rápidas ondas sonoras. As ondas sonoras são de pouco ou nenhum interesse para a meteorologia, entretanto precisam ser resolvidas para manter a estabilidade da solução. Como tem alta frequência, elas exigem t menores do que as ondas meteorológicas. Entretanto, caso todos os cálculos do modelo fossem feitos utilizando esse t pequeno, o custo computacional/temporal seria muito alto, inviabilizando a previsão. Assim, várias técnicas foram desenvolvidas para resolver as ondas acústicas separadamente das demais ondas, as quais podem então utilizar um t apropriado. O WRF utiliza uma dessas técnicas, um esquema de integração por passos de tempo. Enquanto ondas lentas são resolvidas utilizando Runge- Kutta de 3 a ordem (RK3), o modo horizontal de propagação das ondas acústicas é resolvido com um esquema de integração forward-backward e, o modo vertical, com um esquema implícito utilizando o t para ondas rápidas. A solução das ondas sonoras é aplicada como uma correção no RK3. O esquema de Runge-Kutta de 3 a ordem integra um sistema de equações diferenciais usando um preditor-corretor. As variáveis são definidas como U, V, W,, ', ', e as equações do modelo, R Q m necessários três passos para avançar a solução de t a t t : t. São A-8

107 t 3 t R t (A.3.17) t t R 2 (A.3.18) tt t tr (A.3.19) onde t é o passo de tempo utilizado para ondas lentas. Aplicado as equações (A.3.9) a (A.3.16), t representam os termos derivados no tempo e R os termos restantes. Apesar de ser denominado Runge-Kutta de 3 a ordem, ele tem precisão de 3 a ordem apenas para equações lineares, para equações nãolineares é de 2 a ordem. Para resolver as ondas sonoras, as equações governantes são integradas utilizando um passo de tempo menor dentro do passo de tempo do RK3 t. Representando em termos de programação, existe um laço t de repetição acústico que é executado vezes dentro do laço de repetição do RK3. As equações são novamente escritas na forma de perturbação, mas dessa vez a perturbação é a influência da solução das ondas sonoras na solução geral. Parte-se de: V'' V V t, '' t, '' t, ' t '' ' t, '' d ' d ' t d, '' d ' d ' t d onde t t denota os desvios no preditor calculado pelo RK3 (, ou nas equações (A.3.17) a (A.3.19)). A-9

108 O WRF utiliza uma grade do tipo C (ARAKAWA & LAMB, 1977) na discretização espacial de variáveis (Figura A.4.1). A vantagem em utilizar uma grade alternada é evitar o desacoplamento entre os termos da equação diferencial parcial, que ocorre quando variáveis interdependentes são resolvidas no mesmo ponto de grade. Quando esse desacoplamento aparece, grande imprecisão é introduzida no cálculo pelo módulo computacional gerado, tornando-se necessário aplicar uma difusão computacional nas ondas mais curtas. Além disso, grades alternadas do tipo C ainda têm a vantagem de necessitar do cálculo de médias na equação discretizada apenas para o termo de Coriolis. Isso é uma grande vantagem, pois o WRF é primariamente um modelo de mesoescala. Como a influência da força de Coriolis em fenômenos representados nessa escala é pouco relevante, a grade do tipo C torna-se a mais recomendável. Figura.A.4.1 Grade alternada horizontal e vertical do tipo C. A.5 Aninhamento de Grades Quando se deseja analisar mais detalhadamente uma região de interesse que está inserida na grade original utilizada, é possível fazer um aninhamento de grades. A vantagem em utilizar grades aninhadas é ter dados de uma área com uma alta resolução espacial, sem que toda a grade tenha A-10

109 que ser rodada com um aninhamentos de grade possíveis no WRF. x menor. A Figura 3.4 mostra exemplos de Figura A.5.1: Exemplos de aninhamento de grades permitidos no WRF. Em ambos os casos apresentados, as condições de contorno (CC) da grade menor (FG, fine grid ) são interpoladas a partir da previsão fornecida pela grade maior (CG, coarse grid), ou seja, na Figura A.5.1a: ; na Figura A.5.1b, 1 2 e 1 3. Os dados calculados nas grades podem fluir em apenas um sentido (1-way) ou em ambos (2-way): no modo unidirecional, os valores da CG são simplesmente utilizados como condição de contorno na FG, no modo bidirecional, ocorre o mesmo processo, entretanto, os pontos da CG que estão dentro da FG, têm seus valores alterados para aqueles obtidos pela FG. A Figura A.5.2 mostra exemplos da disposição das variáveis em grades aninhadas. A alternância dessas variáveis na grade define como a FG é colocada sobre a CG e influencia os resultados quando o modo 2-way está ativo. Se a razão entre o xcg e xfg for ímpar (lado esquerdo da Figura 3.5), os pontos que contêm determinada variável na CG e FG coincidem. Caso contrário, o ponto da CG fica equidistante dos quatro pontos da FG, e simplesmente recebe o valor do canto inferior esquerdo. A-11

110 Figura A.5.2: Grades aninhadas do tipo C. A.6 Inicialização e condições de fronteira Nas aplicações com dados reais, seja na previsão do tempo, seja na simulação do tempo passado, o WRF, para uma área limitada, precisa das condições de fronteira laterais que representem, relativamente, o estado real da atmosfera vizinha ao longo do tempo de integração das equações dinâmicas. Essas condições são fornecidas por um modelo de previsão numérica do tempo em escala global. Os modelos globais de previsão são capazes de fornecer previsões para vários dias num prazo suficientemente curto para possibilitar o avanço das previsões dos modelos regionais (de área limitada). Uma vez que o interesse de um modelo de mesoescala começa onde o outro modelo de maior escala se mostra incapaz de resolver o tempo com o detalhamento necessário e desejado, é normal que o modelo regional tenha uma rede menos espaçada em comparação ao modelo que o apoia. Os modelos regionais em comparação com os globais têm ao menos duas vantagens: A.6.1 Equações dinâmicas aperfeiçoadas: escala espacial e temporal inferior e incorporação dos tempos de aceleração não hidrostáticos, e também, economia de cálculo implicada pelo número reduzido de nós, inclusão de todos os tempos de curvatura e de Coriolis; A.6.2 Uma melhor representação da superfície terrestre, conseguida através de uma melhor resolução da topografia e de outros parâmetros meteorológicos com albedo, tipo de solo, cobertura vegetal etc. Descrição detalhada da A-12

111 interação oceano-atmosfera e a formulação de equações dinâmicas nãohidrostáticas. Os modelos regionais tiveram sucesso devido a serem modelos de grade fina, ou seja, a distância entre os pontos da grade vai desde a alguns quilômetros a algumas dezenas deles. Os parâmetros que caracterizam a região (representados por médias climatológicas referentes ao mês em que se inclui o período de integração, menos o relevo) são incluídos no processo de definição do domínio horizontal, no pré-processamento que antecede a integração das equações dinâmicas WRF Pre-Processing System, WPS. O estado inicial é obtido pela interpolação espacial dos dados de análise do modelo global, no WPS é feita uma interpolação horizontal, isto em relação às variáveis meteorológicas, como por exemplo, a razão de mistura, a temperatura etc. em cada nível isobárico e em relação às variáveis na superfície e nos níveis do subsolo. Depois, na fase de inicialização, no cerne do WRF-ARW, é realizada uma interpolação vertical adequada à grade de cálculo do modelo. Este processo fica melhor detalhado e esquematizado através da figura A.6. Figura A.6: Esquema mostrando o fluxograma dos dados e programas componentes da fase WPS, e como o WPS inicializa os dados para a fase ARW. A-13